Anthropic研发提速约两倍：METR报告称八成或来自AI

这段内容出自 PRO 会员通讯。想看更多专题解读，可关注「机器之心PRO会员」。

OpenAI、Google DeepMind、Anthropic 三家接连公开了 AI 对齐模型研发提速的结果，「AI4AI」由此引来大量目光。独立评估机构 METR 新近发布一份以 Anthropic 为对象的报告：在目标清晰、结果好打分的任务上，Anthropic 把模型能力往上推的速度约为过去的两倍，其中约 80% 可能来自 AI。不过这项研究存在短板——关键内部数据被删改、信息渠道偏窄、方法细节难以被外部独立复核，Anthropic 真实的研发效率到底怎样，仍说不清楚。

Anthropic 的研发速度翻倍了？

1、进入 2026 年，越来越多头部 AI 实验室把模型能力接进了研发管线。「RSI」话题升温之后，AI 在研究流程里渗透到什么程度、对下一代模型开发的加速效果有多大，成了各方紧盯的焦点。[2-1]

① 过去很长时间，模型研发主要靠研究人员的直觉经验和手工工程。现在实验设计、代码生成、训练优化这些环节陆续交给模型，业界开始密集讨论：用 AI 实现 RSI，技术上到底行不行。

② 2026 年 9 月发布的「The Last AI Built by Humans」中，研究者把 AI 参与自我改进的演进路线分成 L1 到 L5 共五个层级。

③ 该研究认为，层级越往上走，AI 的角色就从「执行人类指定的优化指令」跨到「主导后续改进机制的重写」，这个过程中人类介入的边界不断收缩。

2、在学术研究的铺垫之上，OpenAI、GoogleDeepMind、Anthropic 等头部 AI 企业也先后公开了各自用 AI 深度改造内部研发的工程实践。

① OpenAI 在 2026 年 9 月发布的「Research acceleration」中透露，到 8 月中旬，其研究组织每投入 1 个人类工作日，智能体的运行时间已相当于 3.1 个工作日。[2-2]

② Google DeepMind 借助「AlphaEvolve」改进了 Gemini 训练中一个矩阵乘法内核的拆分方式，该内核运行速度提升 23%，Gemini 的整体训练时间也随之缩短约 1%。[2-3]

③ Anthropic 在「When AI builds itself」中写到，到 2026 年 5 月，公司代码库合并进来的代码八成以上由 Claude 完成；而在 2025 年 2 月 Claude Code 推出研究预览版之前，这一比例还只有个位数。[2-4]

3、整个行业都在提速，AI 也从单纯的「编程助手」变成模型研发管线里少不了的「初级研究员」和「自动化工程引擎」。这台由 AI 驱动的研发飞轮（Flywheel）开始把前沿实验室和普通软件开发团队之间的效率差距拉开，业界也因此更关心：技术进步的速度是不是快要撞上奇点（Singularity）。

4、外界对 AI 加速模型研发的实际效果越来越好奇。独立评估机构 METR 在 2026 年 11 月 5 日发布报告，拿 Anthropic 当观测样本，试图把 AI 对模型研发速度的实际催化作用量化出来。[2-5]

5、METR 报告的核心测算是：在目标设定清楚、结果容易量化评估的任务场景里，Anthropic 提升模型能力的速度已经达到历史基线的大约两倍。同时 METR 在免责声明中谨慎说明，由于部分核心材料缺失，这一测算结果可能存在明显的上下行偏差。[2-5]

① 需要留意的是，报告发布前 Anthropic 对部分非公开信息做了脱敏处理。官方称这样做是为了防止敏感机密外泄，免得给竞争对手送去加速研发的参考路径。

② 最终公开的版本保留了研发加速这一核心结论，但支撑结论的部分底层内部数据和具体归因逻辑被隐去了。

驻场 11 周，METR 如何评估 Anthropic 研发效率？

1、为了验证 AI 对研发速度的实际影响，METR 对 Anthropic 展开了为期 11 周的深度审查，评估框架主要围绕三个维度：模型能力增长速率的边际变化、AI 赋能的实际归因权重，以及短期内有没有卡住研发的实质性瓶颈...