Anthropic五年前路线图曝光：Coding Agent、MCP、长上下文都已写好

一张五年前的研发清单，兑现如今 AI 行业大半成果。 作者丨高允毅 编辑丨岑 峰 最近，一场版权官司意外曝光了 Anthropic 一份内部机密文件《Concise Research Roadmap》，这是 Anthropic 五年前的研究路线图。 这个文档由 Anthropic 联创 Jared Kaplan 撰写，

一份名为《Concise Research Roadmap》的Anthropic内部机密文件，因一场版权官司被意外曝光。这是该公司五年前的研究路线图。

文件出自Anthropic联合创始人Jared Kaplan之手，篇幅仅三四页，却已经写到了今天业内热议的Coding Agent、Tool Use、长上下文、RL、自动化反馈，连Agent的安全问题也没落下。

文档上密密麻麻留着Anthropic几位核心人物的批注。联合创始人Tom Brown写道，“仓库浏览是简单、高价值的切入点”；系统与可解释性研究科学家Nelson Elhage的判断则是，“自动查找项目里的类型定义”会是一项极有用户价值的功能。

在“最强编程助手”和“工具能力演示”两条路线之间，CEO Dario当场拍板：“短期先演示工具使用，长期打造最强编程助手。”对齐科学家Amanda Askell的忧虑则更深一层：“如果只在自然语言领域做对齐，却在代码领域做能力研究，势必产生脱节。”她的态度是，安全与能力在任何阶段都得绑在一起。

回头看那一年，Anthropic成立才半年，手里全部融资只有1.24亿美元。距离ChatGPT引爆全球还有16个月，距离Claude 1发布还有20个月。当时整个行业还在怀疑大模型是不是过渡产品，而这批从OpenAI出走的人，已经在一条条规划“实现极高GPU利用率”“研究长上下文”“工具使用的强化学习”“对社会影响的评估框架”。

接下来五年，路线图上的每个分支几乎都被他们走了一遍。从Claude 1到Opus 5，从宪法AI（Constitutional AI）到可解释性，再到后来的Computer Use、MCP协议、Claude Code、混合推理，都能在2021年那份路线图里找到对应的锚点。

01

2021年的Anthropic，

究竟看清了什么？

那时ChatGPT还没问世，大模型怎么落地，整个行业都在摸石头。Anthropic却在内部文档里把AGI的核心路径写得很明确：做具备长记忆能力的大型生成式模型，再通过自动化奖励与人类反馈结合的强化学习（RL）完成微调。所有研究项目，都是围绕这个中心展开的实验。

在他们看来，检验这条路线的第一件载体，是“对话式软件工程师助手”。它要能通过对话完成软件的创建、编辑与讲解，写函数、找Bug、设计API，还能聊代码风格与工程最佳实践，水平最终要对标一名软件工程师同事。

这其实就是今天Claude Code的雏形。

Dario Amodei为此定了两步走的节奏：短期先把能力验证做完，长期再打磨深度生产力工具。团队切入点是打印调试、代码仓库浏览这类轻量工具能力，之后再往代码执行、自然语言文档编辑等更复杂的工具能力上扩展。

为了这个目标，“规模化”被摆在了所有研究方向的最前面，从一开始就是冲着万亿参数规模去的。

Scaling Laws理论的第一作者正是Jared Kaplan，他把这套认知从OpenAI带到了Anthropic，很早就开始琢磨怎么训练万亿（1T）乃至更大规模的模型。

除了超大参数模型本身，文档里还讨论了另外几件事：怎么把GPU利用率拉高，提前适配TPU、Trainium等下一代硬件；怎么把块稀疏注意力这类复杂工程封装好，让非专业人员也能轻松配置超参数；怎么给大模型权重这类核心资产搭一套安全防护体系。

预训练与数据，也是Anthropic看重的一块。

他们一开始就打算训出行业性能最优的语言+代码双料基座模型，给后续所有微调、功能探索、能力迭代打底。全链路高质量数据集也早早动手搭建，除了自然语言和代码，还包括Diff（版本差异）、PR（拉取请求）、调试记录以及代码运行的评估结果，软件开发全流程的数据都覆盖在内。

数据质量上他们抠得很细，数据过滤、迁移、微调、多样性优化，整套流程挨个打磨。数据底子打好了，后面在更高级的强化学习环境里做对比实验、迭代能力，才不容易走偏。

与此同时，支撑万亿参数甚至更大规模的机器学习底层技术被提前攻坚，超长上下文能力同步探索，能封装海量记忆与经验的等效外挂方案也在研究之列。

能力与对齐同步推进，是这份文档里另一个鲜明的主张。

Amanda Askell在文档评论中提前点出了代码能力与对齐研究脱节的风险：一边是代码能力不断增强，却缺少对应的对齐约束；另一边是对齐研究依赖的模型能力不足，测试的深度和成果的实用价值都会受限，时间一长，对齐研究就会变成与能力发展脱节的“信息孤岛”。

所以她提出，各领域的能力研究与对齐研究应当按比例同步推进，安全不能等模型能力成熟了再补。

围绕这条原则，Anthropic规划了一批具体研究方向。用人类反馈训练模型，不只是让模型会答题，更要能主动提供帮助、根据反馈调整行为、在用户意图模糊时主动澄清问题。团队还系统梳理了对齐失效的场景，按难度分类归因，并专门研究对齐效果随模型规模变化的规律。

训练指导所依赖的奖励模型，同样要经历一轮又一轮检验：合规人类反馈数据、Stack Exchange等静态数据集，以及GAN对抗生成数据，都会被拿来交叉验证，目的是让奖励信号与人类意图对得上，并且在各种数据源下都站得住。这些实验做到最后，会变成一套通用方法论——人类反馈怎样才能用得最有效率、不同对齐目标各自需要投入多少数据与资源，都要给出量化结果。

高合规行业对模型的要求向来苛刻，金融、医疗、法律都是如此，而 Claude 恰恰是最早打开这些领域的那一个。

与此同时，Anthropic 在“可解释性”这条长线上一直没有停手。

他们想知道模型内部到底发生了什么。为此，可解释性方向的代表性学者 Christopher Olah 专门去拆大模型的神经元、注意力头与内部功能回路。Olah 还主张把数据、工具方向的研究同可解释性工作放到一起做。算术推理、多轮对话、代码生成这些能力在神经网络内部是怎么实现的，他们想从机理层面弄明白。

RL for Tool Use 被他们列为一项重要研究方向。这项研究的关键，是让大语言模型学会用工具，能理解环境和目标，再靠强化学习不断改进。

信息检索、打印调试（printf debugging）等任务当时就进入了他们的研究计划。这些任务有实际用处，也可以拿来检验两件事：模型接上工具之后，能不能突破只会生成文本的边界？跟监督学习比，通过工具交互和强化学习来训练，缩放效果和算力效率会不会更好？

Dario Amodei 看的不只是代码场景。他还提到自然语言编辑器值得做，比如让模型在类似 Google Docs 的环境里改文档，这样既能产出高价值的安全研究成果，应用面也很广，而支撑这两类编辑器的工具与底层基础设施，很多是通用的。

他们真正要验证的是：模型能不能从“给出答案”走到“借助工具完成复杂任务”。这条路要是成立，能力边界就能从软件开发扩到更多知识工作场景。

安全考量则一直贯穿在所有这些研究方向之中。

这群科学家从第一天起就带着极客式的理想主义。Sam McCandlish 当时就抛出过一个尖锐问题：“怎么安全地部署非沙箱化工具？”Dario 也发出预警：部署阶段能直接执行代码的工具，风险极高。如今 Agent 赛道天天在谈的沙箱隔离、权限拦截，其实都在他们当年的推演范围里。

他们还想把公司做成 AI 伦理研究的“山巅之城”，联合学术界和政府一起做独立评测，用最高标准的安全框架给全行业立规矩。

这些加在一起，就是 Anthropic 全栈闭环的研究版图：底层算力工程（GPU/TPU 适配、训练效率）、模型基座（预训练、数据工程、长上下文）、核心能力（工具调用、代码生成），加上安全体系（对齐、可解释性、权重安全），再到社会治理（第三方评估、行业生态），拼成了一套完整、没有明显短板的 AGI 研发闭环。

02

这五年，Anthropic 都做了什么

这些讨论让不少网友直接称神。“原来我们现在抢着做的 Agent，是人家的代办清单。”

也有网友觉得，对前沿研究员来说，这种见识未必稀奇，不少已经是共识。可真正能把研究路线做出来、还不跑偏，那才叫了不起。

五年过去，Claude 已经能一次处理 1M token 的长文本，还长出了专门适配工程场景的记忆优化方法，大模型也迭代到了 Opus 5.5。安全调校这条线上，最早靠人工标注反馈训练，后来进化到“AI 监督 AI”的宪法式训练，再到眼下的混合方案。

当年文档里写下的研究路线，后来成了 Anthropic 每一个转折点上的战略方向。

2022 年，Anthropic 率先在最核心的“对齐”赛道上拿出了颠覆行业认知的方法论。

2022 年底，ChatGPT 靠 RLHF（人类反馈强化学习）一夜爆火，把大模型推进了大众视野。但这套方法的痛点很清楚：得雇大量人做标注，成本高、难规模化，还容易把标注人的个人偏好带进去。

ChatGPT 上线刚过半个月，Anthropic 就拿出一篇论文，把“宪法 AI”这条路讲清楚了：先替模型立好一套行为准则，再安排一个模型去审查并改动另一个模型的输出，如此来回多轮，最终既保住了可用性，又不至于让模型跑出边界。

从内部看，模型能力涨得太快、安全调校追不上，这个难题被它接住了，也正好对上团队早年那句担心——能力与安全得一起往前走；从外部看，Claude 系列因此有了很清晰的产品性格：讲礼貌、懂收敛、不主动越线，跟同一时期的 GPT 模型一比，辨识度一下就出来了。

训练方法搞定后，Anthropic 开始把模型做大、做长，2023 年在产品和算力两条线上同时破局。

到了 3 月，初代 Claude 开始正式对外合作，长文本处理和安全是它主推的卖点，实际用过的人大多觉得，它比同期的 GPT-3.5 要“礼貌得多”。这也是 Anthropic 头一回把面向市场的实体产品摆到台前。

5 月，Anthropic 把 Claude 的上下文窗口从 9K 一口气扩到 100K token，相当于 7.5 万英文单词；两个月后的 Claude 2 公测延续了这一能力。作为对比，当时主流的 GPT-4 仅能支持最高 32K（约 3 万多 Token）的上下文，而 Anthropic 自家的上一代模型更是只有不到 10K 的容量。这一跨越式的长文本能力，让一次性读懂整本书或整个代码库成为了现实。

安全这条线也没落下。9 月，Anthropic 推出首版《负责任的缩放政策》（RSP），按潜在风险给模型分级，能力越强，管控收得越紧——这是业内头一套成体系的动态安全机制。

2023 年 10 月，Google 领投的一轮融资把 Anthropic 的估值推到 184 亿美元。大模型行业那时候已经不再是一超多强，两家顶尖独立实验室并立的格局慢慢有了苗头。

也是在同一年，全球 AI 圈热闹得很：GPT-4 发布，能力有了新标杆；OpenAI 组建专门团队去啃长期安全；马斯克办了 xAI；谷歌把 DeepMind 整合起来推出 Gemini。国内这边，“百模大战”开打，百度、阿里等大厂的大模型扎堆亮相，智谱、月之暗面、深度求索这些创业公司也在密集拿钱。

到了 2024 年，Anthropic 迎来爆发，每条线上都拿出了能打的作品。

3 月，Claude 3 系列一口气发了三款，分别对应旗舰、均衡、轻量三种场景，多模态能力也补上了。旗舰模型 Opus 默认支持 100K 的处理长度，长文本评测里准确率很高，第一次在长上下文这块反超 GPT-4，把技术优势变成了产品上的竞争力。

6 月，Claude 3.5 Sonnet 登场，能力提升明显，多项核心指标追平 GPT-4o。到了 10 月升级版推出时，这个模型在代码评测集 SWE-bench Verified 上压过了当时所有闭源对手，Anthropic 在软件工程和智能体开发市场里就此占到了明显的上风。

不过真正让 Anthropic 甩开身位的，是 2024 年 5 月那波可解释性研究。

放在 2021 年，“可解释性”和“工具使用强化学习”听起来都太学院派了，远不如堆参数、刷榜单实在。

2024 年 5 月，Anthropic 团队用稀疏自编码器（SAE）对 Claude Sonnet 内部做了“扫描”，涉及数百万个特征，从模型里提取出 3400 万个特征，还找到了“金门大桥”“程序漏洞”这类具体概念对应的内部回路。为了说明这不是纸上谈兵，他们做了个实验：手动把“金门大桥”对应的特征激活，结果模型不管回答什么，都要绕到金门大桥上去。

这是人类第一次在商用级大模型上做到对内部机制既解释得准、又操控得住。AI 安全研究从此不用再“开盲盒”。同一时期 OpenAI 也在做类似研究，但具体进展一直没公开；国内学术界有跟进，产品级验证却基本没有。这条赛道上，2024 年的 Anthropic 几乎没对手。

10 月，新版 Claude 上线“电脑操作”功能，模型能像人一样看屏幕、点鼠标、敲键盘，自己操作桌面软件。

才过了一个月，Anthropic 又把 MCP 协议开源了，模型和各类工具、数据之间的连接方式被统一起来，等于给 AI 应用做了个“通用接口”。

MCP 热潮随之而来。2025 年第一季度，OpenAI、谷歌先后表态支持，国内阿里、腾讯、百度、支付宝也在四个月里密集上线相关服务。从各家自己搞工具接口，到统一用 MCP，行业半年内就完成了站队。这是 Anthropic 第一次不是靠模型能力，而是在基础设施层让对手跟上来。

2024 年一整年，Anthropic 的估值从年初 184 亿涨到年底约 410 亿。估值飞涨的背后，是产品开始真正跑通收入，当时 Claude 的年营收已经突破 10 亿美元。

2025 年，Anthropic 把重心压到智能体上，主战场挑的是软件开发。

2 月 24 日，Claude 3.7 和 Claude Code 同时发布。前者能在“快答”和“深度思考”两种模式间切换，思考程度由用户自己控制；后者是专门的编程助手，能翻遍整个代码库、查类型定义、调 bug、提交代码、跑测试。

到这一刻，2021 年文档里讨论的东西全成了现实：从“仓库浏览是个好切入点”，到“先演示能力、再做生产力工具”的节奏，一样不差地落了地。大模型不再只是聊天工具，而是真能在电脑前干活的“AI 同事”。

5 月发布的 Claude 4 系列，又把长时间连续工作的能力往上提了一截。旗舰版能连续几小时执行编程任务，多项编程测试里都排第一。到 9 月的 4.5 版本，编程和智能体能力再上一个台阶，AI 能力到了初级工程师的水平。

同期，面向办公场景的产品也陆续推出，Anthropic 的生产力工具从程序员群体扩到了普通白领。到了 9 月，Anthropic 完成新一轮融资，估值冲到 1830 亿美元左右。

进入 2026 年，竞争打到了更深的层面。

5 月到 10 月这半年里，Anthropic 把 5.5 代整个系列都更新了一遍，从旗舰一路排到轻量型号；多模态、深度思考、智能体这三块能力也一起走到了成熟阶段。如今产品比拼的重点已经不再是某一项能力单独冒尖，而是围绕“产品级可用性”做整体打磨。

生态话语权也越来越重。MCP 已经成了全球 AI 工具的事实标准，从模型厂商到应用开发商都在接入，Anthropic 真正从“做产品的”变成了“定规矩的”。安全框架、第三方安全测试、行业前沿论坛这些动作持续推进，当年“打造机器学习山巅之城”的愿景也在一步步兑现。

现在全球 AI 行业，OpenAI、谷歌、Anthropic 三家领跑的格局已经稳定下来。

五年里行业风口换了一轮又一轮，无数公司追着热点调头，Anthropic 却始终沿着当年画下的那条线走。很多人说 Anthropic 是踩中了时代运气，但这份泄露的文档说明，他们今天的成果，本质上都是早就谋划好的技术兑现。行业里多数人摸黑赶路的时候，有人已经看清了地图，然后一步接一步走到了终点。

参考链接：

https://i.smitop.com/concise-research-roadmap.pdf