Anthropic 公布研發步調量測，Claude 已主導 26% 的模型研發

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

2026 年 9 月 17 日（美國時間），Anthropic 在官網的 Anthropic Institute 專區發布一份標題很直白的報告：〈Measurements for understanding the pace of AI development inside frontier labs〉，理解前沿實驗室內部 AI 研發步調的量測。內容是該公司少見的公開：截至 2026 年 8 月，Claude 已經「主導」Anthropic 內部 26% 的模型研發工作；在公司最常用的內部平台上，隨時有大約三萬個 AI 代理同時做研究與工程；檢視 7 月中一整週的算力去向，投入 AI 研發的算力中直接用於安全的大約佔 6%。

這三個數字各自回答一個過去外界完全看不到的問題：AI 幫 AI 做研發做到了什麼程度、誰在監看這些代理、算力實際花到哪裡去。值得先記住的是量測機制本身：整個過程是 Claude 測量 Claude 的研發參與，而報告把這條可信度邊界寫得相當清楚，甚至連「裁判模型可能犯跟受測模型同款的錯」都自己先講了。

放慢 AI 的辯論，首度有數字可以對帳

時間軸往前撥兩週。9 月 12 日，Anthropic 執行長 Dario Amodei 在個人網站發表長文呼籲為前沿 AI 設速，提出讓獨立評估者以接近員工的身分進駐實驗室等具體機制（長文全文解析）；同日 Altman 以承諾推文表態跟進，Musk 也留下一句話（兩種跟進方式的對照）。9 月 15 日，Dreamforce 大會把「AI 該不該放慢」連續拋給同日登台的黃仁勳、Amodei 與 Sam Altman，三個人給出三種答案（現場說法對照）。整場辯論最大的弱點始終是同一個：沒有數字可以驗收，所謂放慢或狂奔都是各自表述。

這份報告補的就是量測層。發布單位 Anthropic Institute 是 Anthropic 官網的研究專區，自我定位為從前沿實驗室內部研究強大 AI 對世界的影響，這份報告以該專區的 Illuminating the Frontier（照亮前沿）為題發布。報告開頭寫明：如果真的出現 Amodei 呼籲的那種設速協調，這些數字預期會改變。換句話說，Anthropic 先把基準線畫出來，讓「設速」從道德呼籲變成可以對照的數字。報告也把這三項量測放進既有的政策拼圖：模型能力的評估走責任擴展政策（RSP）的風險報告，規則制定走先進 AI 框架（AAIF）的政策提案，這次新增的指標補的是「模型怎麼被做出來」的生產過程，過去這一塊對外幾乎沒有量測。

26% 怎麼讀：主導不等於接管

研發自動化採用研究機構 Epoch AI 提出的自動化等級（Automation Level, AL）量尺，從 AL0 的完全沒有 AI 參與，到 AL5 的 AI 完全自主運作、無人介入。中間兩級是重點：AL3 定義為「協同」，AI 在人類密切指揮下承擔大塊工作；AL4 定義為「主導」，AI 能從一個高層次的提示出發，端到端完成大部分任務，人類只做監督。

報告用一個很具體的例子區隔這兩級：假設一條夜間資料管線壞了，明天運轉前要修好。AL3 的場景是工程師帶著故障日誌來找 Claude，自己先掃過一遍、心裡有假設，讓 Claude 調查與修復，中途冒出新問題就停下來等人決定，修完還要逐行檢視、親自重跑管線並且部署。AL4 的場景是工程師直接把故障警示丟給 Claude，它自己讀日誌、找出故障階段與原因、寫好修復、測試、處理意料外的狀況，寫一份報告標記工程師；工程師讀報告、掃一眼改動，決定今晚上線還是等一等。報告點出的關鍵差異是工程師不必再隨時盯著、隨叫隨到替 Claude 解鎖；至於部署，AL3 與 AL4 都留在人手上，要到 AL5 才會交給 Claude 自己動手。

2026 年 8 月的量測結果有三條：Claude 在任何受測的研發子領域都沒有完全自主運作，AL5 為零；「主導」等級佔 26%；「協同或以上」超過 90%。正確的讀法是：AI 深度參與研發已經是常態，超過九成的研發工作至少有 AI 協同，但出貨前的授權與部署仍然由人類把關。這幾天網路流傳的「AI 已接管 Anthropic 研發」說法，超出了這份報告能支撐的範圍。

Pin

數字怎麼量出來的：一張凍結的任務樹

26% 不是問卷調查來的。方法在附錄裡寫得很細：2026 年 7 月的每個星期，從模型研發循環的各部門隨機抽樣 20% 員工，讓 Claude 研究代理讀取這些人當週在 Slack 與內部文件留下的工作紀錄，列出他們實際做的任務。整個 7 月累積出大約 15,000 項細粒度任務，再由 Claude 把它們組織成階層樹：根部是全部的模型研發，往下分出訓練、產品、預訓練、強化學習等分支，全樹 542 個節點，其中 378 個葉節點，細到「評測平台缺陷診斷與修復」這種等級。這張樹隨後被凍結，之後每次量測都對同一個籃子打分數，避免任務定義漂移。

評分交給另一個獨立的 Claude 裁判模型：對每個節點，研究代理先深入調查這類工作在公司裡實際怎麼做、用哪些工具、AI 做了多少，裁判再依證據評出自動化等級，而且只看該月份或更早的資料，避免事後全知。權重則用工時分配：一個人一週算一個單位，平分給他當週的任務，加總起來就是各節點的分量。為了檢查裁判的可信度，Anthropic 讓實際負責各領域的員工在不知道模型看過什麼證據的條件下盲評：模型與人類的完全一致率是 59%，人類彼此之間只有 35%；差距壓在一個等級以內的吻合度達 97%。

報告也老實列出兩個跨實驗室比較的障礙：各家還沒有共同的方法論，以及用自家模型當裁判，裁判可能犯跟受測模型同一類的錯。提出的解法是讓第三方或別家模型交叉驗證，並把這類量測當成更強要求的觸發器，例如新模型要投入進一步的研發使用前，先經過一段固定的測試期。

附錄裡還有一個設計細節值得注意：任務樹是拿 2026 年 7 月的資料建的，如果研究工作持續長出新形態，固定籃子就會失真。Anthropic 的檢查方法是另建一個以 1 月資料為底的對照樹，比對 2 月到 7 月每個月新出現的任務，結果沒有觀察到新型任務增加，模型研發工作的結構在這個分析層級上算是穩定。他們也計畫日後定期重建任務樹，並對已發布的自動化數字同步改版。26% 是對著 7 月籃子量出來的 8 月成績，籃子本身會按計畫換新。

三萬個代理同時上工，誰在看著它們

監督是另一項量測的核心。工作從「AI 協同」走向「AI 主導」的過程裡，代理做的決策越來越有分量，例如下一個研究方向要往哪裡走；報告的判斷是，單一代理在現有監控資料裡很少出亂子，但當經濟體裡有數百萬、數十億個代理在運作，再罕見的異常也會定期發生，所以覆蓋率與攔截率本身就該被量測。2026 年 8 月，Anthropic 最常用的內部平台上隨時有大約 30,000 個 AI 代理在執行研究與工程工作，這個數字只涵蓋該平台。這些代理單月產生超過十億次行動決策，全部經過兩層監控：線上監控在行動執行前檢查，覆蓋率 100%，通常幾秒內完成；離線監控在事後讀取全部活動紀錄，覆蓋率同樣 100%。

量出來的數字是：十億多次決策裡，0.002% 被線上監控攔下，大約每 47,000 次行動擋下一次，被擋下的行動由人在一週內複查；離線監控每週標記大約十萬份對話紀錄，經過多層分類器過濾誤報後，最高優先的約 50 起交給人工審查。設計意圖分得很清楚：線上層擋的是快速且不可逆的危害，例如代理嘗試把模型權重複製出系統；離線層找的是緩慢發展、可以補救的問題，例如行為偏離訓練意圖的跡象。

Pin

外部驗證有一個起點：報告註明 METR 曾獨立對 Anthropic 的離線監控平台做過紅隊測試。這些監督量測同時發布在該公司近期出版的風險報告裡，等於把內部監控的規模與攔截率放上對外文件。

安全算力佔 6%：先看口徑再下結論

算力分配是最容易引發情緒的量測，也最需要看口徑。Anthropic 檢視 2026 年 7 月 13 日到 20 日一整週的全部算力，把每個工作負載分類後問一個問題：投入 AI 研發的算力裡，有多少屬於安全工作？答案約 6%；若只看 AI 驅動的研發算力，比例是 12%。分類的做法是對該週近一萬次運算任務按算力消耗加權抽樣約 14%，由提示過的分類器逐一判讀，兼顧能力與安全的工作一律歸入非安全。

Pin

報告強調這是刻意保守的估計：既能推進能力又能增進安全的工作不計入安全；線上防護分類器的推論算力，報告形容為與安全研發相當的另一批開銷，也完全沒有計入。同時提醒算力本來就難當安全投入的代理指標：安全研究多半是研究員花時間設計實驗的腦力活，跑實驗本身不太吃算力，而前沿訓練動輒吃掉整批加速器。

三個限制也寫得明白：分類依賴的底層標籤是自動規則與人工設定的 best-effort，未經驗證；只量了一週，足以證明量得到，不足以成為趨勢；算力份額只反映花費，分類器變快、比例就下降，不代表安全工作變少。6% 是個會讓人停下來的數字，但它量的是算力流向，不是安全投入的全貌。

Claude 量 Claude：透明承諾的三條邊界

把三項指標放回一起看，這份報告真正的立場是：先把自家數字攤開，同時承認首份快照尚未經外部驗證。裁判與受測者同源、分類靠抽樣與自行定義的判準、快照只涵蓋單月與單週，這三條邊界都不是外人找碴，是報告自己逐條寫出來的。這種寫法反而提高了整份文件的可信度：它沒有假裝 26% 是審計過的數字。

下一步的承諾是讓機制補上自評：報告寫道，Anthropic 計畫讓來自多個機構的獨立評估員進駐，取得與內部風險評估團隊相當的流程、系統與資料存取權，負責查核安全措施、回報事故、監控這類關鍵指標。要注意動詞時態，這是計畫層級的宣示，評估員尚未進駐，進駐後的權限範圍也要等落地文件才算數。與 9 月中前後關於「誰來當裁判」的標準機構討論（相關討論）放在同一條線上看，前沿 AI 的信任議題正從宣示階段走向機制階段，而量測是機制的地基。

接下來盯什麼：三個驗收訊號

對持續追蹤這條線的讀者，這份報告留下三個可驗收的訊號。獨立評估員是否真的進駐，包括機構名單與時間表。三項指標是否常態化發布，下份快照什麼時候來、方法學會不會公開到讓外人重跑。其他實驗室是否採用同口徑，沒有共同方法論，跨廠比較就沒有基準可言，這也是報告自己點出的核心障礙。

另一個實用的提醒：這兩天中文圈流傳的幾個數字，例如「2026 年 2 月還不到 1%、半年暴增 26 倍」，或「AL3 佔約 65%」的分佈圖，並沒有出現在這份報告裡。報告只交代 8 月的 26% 與 90% 兩個數字門檻，沒有提供歷史對比，也沒有公布各等級的完整分佈。看到更精細的圖表，先回報告原文確認它是不是真的寫了。

至於 26% 本身，它標記的位置比數字大小更值得記住：AI 參與研發已經站上「主導」的門檻，而部署的授權還在人類手上。報告結尾的承諾是會繼續發布這些量測。放慢與狂奔的辯論短期內不會有結論，但至少從這份報告起，雙方有了可以對帳的數字。