Anthropic示警：AI执行力逼近甚至超过人类

Anthropic 在6月5日发布了一篇相当有分量的博文，直指一个关键趋势：AI 正在加速 AI 本身的研发。说得更直白些，我们可能正站在“递归自我改进”这个概念的门口。

所谓递归自我改进，简单理解就是 AI 系统能自己设计、训练、评估、迭代下一代版本——形成一套“自己改进自己”的闭环。这个概念之所以被看作分水岭，原因很简单：一旦这个闭环真正成立，技术进步的速度将更多取决于算力、基础设施和验证机制，而非人类的研发节奏。

不过别急着下结论。Anthropic 自己也说得很清楚：这一阶段尚未真正到来，也并非一定是必然路径。但值得警惕的是——相关信号已经比多数机构预期的更早、更强。

能力加速

第一个信号来自能力加速。Anthropic 援引公开基准数据指出，AI 能稳定独立完成任务的时长，大约每4个月翻一番。来看看这组数据：

2024年3月，Claude Opus 3 能稳定处理约4分钟的软件任务；一年后，Claude Sonnet 3.7 提升到1.5小时；而到了2026年3月，Claude Opus 4.6 已经能持续处理12小时的任务。进步速度肉眼可见。

基准测试上的表现也同样惊人。以 SWE-bench 为例，这个基准专门衡量真实软件工程修复能力，模型在2年内从个位数成绩一路逼近饱和。再看 CORE-Bench，它测试的是复现实验论文结果的能力，AI 在2024年还只有约20%的成功率，15个月后同样接近饱和。还有 METR 的发现：Claude Mythos Preview 连续工作能力至少达到16小时，已逼近现有任务集的可测上限。

Anthropic 内部的情况更具说服力。截至2026年5月，超过80%的合入代码由Claude编写——而在Claude Code于2025年2月进入研究预览阶段之前，这个比例还是个位数。随着模型从代码建议走向自主运行与长时任务处理，工程师人均日合入代码量显著提升：2026年Q2的典型工程师，较2024年达到8倍。当然，文中也诚实地提醒了一句：代码行数毕竟偏重数量，不能完全等同于真实生产率。

除了代码产出，Claude 在执行复杂任务上的效果也在加强。2026年3月，Anthropic内部一项覆盖130人的调查显示，受访者估计在 Mythos Preview 的帮助下，产出中位数为无AI时的4倍。更具体的事例是：2026年4月，Claude 完成了超过800项修复，将一类API错误压低到原来的1/1000——负责监督的工程师估计，若纯靠人工，可能要花4年时间。

不过，Anthropic 的文章反复强调一个观点：当前人类优势仍集中在研究判断、问题选择、结果信任与方向把控上。换句话说，AI 在“执行”层面正在逼近甚至超越人类，但在“决定做什么”这件事上，差距依然明显。这才是目前最微妙的平衡点。

文章还透露了一个现实问题：AI 的自我改进并不会凭空爆发。即便 Claude 能写更多代码，企业若想把这种闭环推向更高强度，仍需要更大规模的计算资源。加速是真实的，但天花板也同样真实。