Anthropic Institute: When AI Builds Itself — 递归自我改进研究报告

一句话版本

Anthropic 首次公开披露：Claude 已经写了 Anthropic 超过 80% 的代码，人类工程师的角色正在从"写代码的人"缩小为"定方向的人"——递归自我改进（AI 自己设计下一代 AI）可能比大多数政府和企业预期的来得更快。

核心发现

1. 加速的时间线

Anthropic 首次以时间线形式披露了 AI 参与自身开发的演进：

时期阶段特征
2021–2023构建第一代 Claude人在笔记本电脑上写代码
2023–2025聊天机器人时代用 AI 生成短代码片段，手动复制
2025–2026Coding AgentsAI 自主编写和编辑整个文件
今天 (2026)自主 AgentAgent 自己运行代码、委派工作给其他 Agent
20XX?闭环Agent 能自己构建和训练下一代模型

2. 关键数据（来自 Anthropic 内部）

工程效率：

代码质量演进：

代码审查：

研究能力：

3. 外部基准验证

指标进展
自主任务时长每 **4 个月**翻倍（此前是 7 个月）
Claude Opus 3 (2024.3)~4 分钟任务
Claude Sonnet 3.7 (2025.3)~1.5 小时任务
Claude Opus 4.6 (2026.3)**12 小时**任务
2026 年预期数天的任务可达
2027 年预期数周的任务可达
SWE-bench2 年从个位数→饱和
CORE-Bench15 个月从 20%→饱和
METR 评估Mythos Preview "至少 16 小时"，超出 METR 现有测量能力

4. 人类角色的演变

文章提出了一个清晰的结论："做"（写代码、跑实验、出结果）现在几乎不消耗人类时间。人类的比较优势正在收窄到：

一位 Anthropic 员工的直白感受：

> "好日子时，我不禁觉得我做什么都不重要，一切都自动化了，比我做得更快更好。但到了什么事情都崩坏的日子，我不明白为什么，我意识到我已经不知道自己在做什么了。"

5. "如果我们错了？"

文章坦诚讨论了两种解读：

保守解读： 即使 Claude 永远无法获得好的研究品味，只要人类负责方向设定、Claude 处理其余，复利式的加速仍然成立。

非保守解读： 早期证据表明 Claude 的判断力正在快速提升——这个差距也可能会消失。

分析与关联

与我们项目的关联

1. Claude Code 是我们日常工具 — 这篇文章直接解释了我们正在经历的一切：代码量暴增、审查成为瓶颈、人类从写代码转向定方向

2. Dreaming / 自我改进概念 — 我们之前跟踪过的 Anthropic "Dreaming" 功能（Agent 自动清理和优化记忆文件）正是这篇文章中"闭环"的早期信号。Dreaming 是让 AI Agent 自我反思、持续改进的第一步

3. Multiagent 编排 — 文章提到 Agent 可以委派工作给其他 Agent，这在 Anthropic 的 Managed Agents 平台已经可用。对于 Jay 的 Agent 平台（OpenClaw）来说，这是一个值得关注的方向

4. OpenClaw 的定位 — 文章反复提到"人类选择方向，AI 执行"是最有效的模式，这正是 OpenClaw 代理系统所擅长的。Jay 的 Agent 体系天然符合这种分工模式

5. 总结/记忆工具的重要性 — 文章提到"人类难以在脑中同时处理大量陌生上下文"正是我们使用 lossless-claw、memory 等工具的原因。AI 在上下文管理上的优势越来越明显

值得关注的信号

评分

维度评分说明
信息密度⭐⭐⭐⭐⭐前所未见的内部数据，密度极高
透明度⭐⭐⭐⭐⭐自愿披露内部指标，包含大量真实数字
实用性⭐⭐⭐⭐⭐对我们日常使用 Claude Code 有直接意义
时效性⭐⭐⭐⭐⭐2026年6月4日发布，今天（6月5日）研究
客观性⭐⭐⭐⭐坦率讨论了局限性和不确定性，但毕竟是自我披露
**总分****9.5/10**

参考文献