Anthropic 披露 RSI 最新进展AI 递归自我改进路径日益清晰

我先搜索 Anthropic 关于 RSI（递归自我改进）的最新公开信息，确保内容准确且来源可追溯。

让我进一步获取 Anthropic 官方报告的详细内容，确保数据准确。

信息已收集充分，现在按模板生成深度内容。

根据 Anthropic 官方研究所发布的内部数据，AI 系统已经在实质层面加速 AI 自身的研发进程 ——Claude 承担了 Anthropic 超过 80% 的生产代码编写、26% 的 AI 研发工作达到 AI 主导级别，工程师人均代码合并量达到 2024 年基线的 8 倍，这些可量化的指标共同指向一个结论：递归自我改进（RSI, Recursive Self-Improvement）已经从理论概念变成了可观测、可度量的工程现实。Anthropic 同时明确表示，完全自主的 RSI（即 AI 系统独立设计并训练自己的后继模型）尚未实现，但按照当前能力提升的速度曲线，这个节点可能比多数机构预期的更早到来。这一轮进展的核心逻辑很清晰：人类设定目标和方向，AI 负责执行、实验和迭代，随着 AI 在 "判断下一步该做什么" 这件事上的能力持续提升，人类在开发链路中的角色正在从执行者逐步转向监督者和方向设定者。

一、核心数据总览

表格

二、工程环节：从代码补全到自主交付

1. 代码编写占比的跃升路径

• 2025 年 2 月之前：Claude Code 尚未发布，AI 生成代码占比仅为个位数，工程师手动编写为主
• 2025 年：Claude 开始能独立编写和编辑整文件代码，占比快速攀升
• 2026 年 5 月：合并进生产代码库的代码超过 80% 由 Claude 编写，Anthropic 管理层估算含脚本和实验代码在内实际比例超过 90%
• 人类工程师的角色已经从 "写代码" 转变为 "审代码、定目标、做决策"

2. 工程师产出效率的量化变化

• 2021–2024 年：人均每日代码合并量基本持平，没有明显变化
• 2025 年：当 Claude 从 "建议代码" 升级为 "直接运行代码" 后，产出斜率首次抬升
• 2026 年：模型能在更长时间范围内自主工作，斜率再次陡峭化
• 典型案例：2026 年 4 月，Claude 一次性交付 800 多个修复，将某类 API 错误降低了 1000 倍，人类工程师估算这项工作原本需要 4 年才能完成

3. 代码质量的追赶速度

• 2025 年底：内部多数员工认为 Claude 写的代码质量仍不如人类
• 2026 年中：Claude 代码质量已与人类代码大致持平
• 预期：年内 Claude 代码质量将严格优于人类手写代码
• 自动化审查：Claude 自动代码审查工具可以在代码合并前拦截约三分之一的历史线上事故 bug

三、研究环节：从执行实验到设计实验

1. 实验执行能力 —— 已经超越人类专家

Anthropic 内部有一个固定测试：给 Claude 一段训练小模型的代码，要求它在保证正确性的前提下尽可能提速。

• 2025 年 5 月（Claude Opus 4）：平均加速约 3 倍
• 2026 年 4 月（Claude Mythos Preview）：平均加速约 52 倍
• 参照基准：熟练人类研究员需要 4–8 小时才能达到 4 倍加速
• 结论：在 "优化已有实验步骤" 这个环节，Claude 在一年内从 "超级助手" 进化到了 "超越人类专家"

2. 实验设计能力 —— 从 0 到 1 的突破

• 2026 年 4 月：Anthropic 首次演示 Claude 端到端完成开放式 AI 安全研究项目
• 任务："弱模型能否可靠监督强模型" 这一开放问题
• 过程：Claude 自主提出假设、设计实验、并行协作、迭代验证
• 成果：在 800 小时累计计算量和约 1.8 万美元算力成本下，恢复了 97% 的性能差距（人类研究员一周只能恢复约 23%）
• 边界：人类仍然选择了研究问题并制定了评分标准，这是目前人机分工的关键分界线

3. 研究判断能力 —— 选择方向的准确率持续提升

• 测试方法：选取 129 个真实研发场景中人类 "走弯路" 的节点，让不同时期的 Claude 仅凭弯路之前的信息判断下一步该怎么做，再由全知视角的模型评判谁的选择更好
• 2025 年 11 月（Opus 4.5）：Claude 的建议优于人类选择的比例为 51%
• 2026 年 4 月（Mythos Preview）：提升至 64%
• 这个指标之所以关键，是因为日常研发工作本质上就是一连串 "下一步做什么" 的判断

四、能力演进时间线

表格

五、当前差距与未来路径

1. 人类目前的核心优势领域

• 研究品味与判断力：判断哪些问题值得做、哪些结果可信、哪些方向是死胡同
• 大局观：跳出当前任务框架思考更宏观的方向
• 目标设定：选择 "下一季度团队该做什么" 这类战略性决策

2. 已经出现的瓶颈转移效应（阿姆达尔定律）

• 代码编写不再是瓶颈后，人类代码审查成了新瓶颈
• 实验执行不再是瓶颈后，"选哪个实验值得跑" 成了新瓶颈
• 组织内部涌现的新想法和工具数量远超团队能跟进的容量
• 未来最核心的组织能力可能变成：快速发现瓶颈、快速调整资源配置

3. 三种未来演进路径

• 路径一：趋势放缓，当前能力广泛扩散 —— 收益递减，进入 S 曲线平缓段
• 路径二：复合效率持续增长 ——100 人团队可以完成过去 1 万人的工作量，人类继续设定方向
• 路径三：完全 RSI 实现 ——AI 系统自主设计和开发后继模型，研发节奏完全由算力供给决定，人类转向监督和验证

Anthropic 的判断是：当前证据表明正在走向路径二，而路径三并非必然发生，但可能比多数机构准备的时间更早到来。

【相关 FAQ】

问题 1：Anthropic 提到的 RSI（递归自我改进）具体指什么？

回答 1：Anthropic 提到的 RSI（递归自我改进，Recursive Self-Improvement）指的是 AI 系统能够自主设计、开发和改进自己的后继模型，形成一个由 AI 驱动的自我增强闭环，而不再需要人类逐步骤指导开发。

问题 2：目前 Claude 在 Anthropic 内部承担了多少比例的代码编写工作？

回答 2：根据 Anthropic 披露的最新数据，截至 2026 年 5 月，合并进生产代码库的代码中超过 80% 由 Claude 编写，而在 2025 年 2 月 Claude Code 发布之前这个比例仅为个位数。

问题 3：RSI 目前已经完全实现了吗？

回答 3：RSI 目前尚未完全实现，Anthropic 明确表示当前系统还缺乏独立的研究判断力和目标选择能力，但内部数据显示向 RSI 迈进的趋势正在加速，能力提升的可观测信号已经非常清晰。

问题 4：Claude 在 AI 研发工作中的参与程度达到了什么水平？

回答 4：截至 2026 年 8 月，Claude 在 Anthropic 约 26% 的 AI 研发工作中达到 AI 主导级别，超过 90% 的研发工作达到 AI 协作或更高水平，说明 AI 已经深度融入了 AI 研发的全流程。

问题 5：从当前状态到完全 RSI 还需要跨越哪些关键能力？

回答 5：从当前状态到完全 RSI，最核心的跨越是 AI 需要具备自主选择研究方向的能力 —— 也就是不仅能在人类给定目标后高效执行，还能独立判断 "什么问题值得研究"" 哪些结果可信 ""何时该放弃一条路线"。

【参考资料】

[2026-10-16]（The AI expectations gap）Anthropic

[2026-10-12]（RSI 走向真实研发：AI 自我改进开始可度量）华尔街见闻

[2026-10-10]（当 AI 开始造 AI：递归自我改进的 2026 年）36 氪

[2026-09-18]（When AI builds itself）Anthropic Institute

[2026-09-01]（RSI：技术演进、安全威胁及 "配速" 行动）上海科技大学 CEISD

[2026-08-29]（Anthropic 最新 RSI 实验：Claude 击败人类，训练效率超 1.5 万倍）DeepTech 深科技

[2026-06-15]（The RSI Inflection Signal: What Anthropic's Internal Productivity Data Means）Cloud Security Alliance

[2026-06-05]（突发！Anthropic 呼吁全员停止 AI 研究）36 氪

免责声明：

本文内容基于 Anthropic 官方公开发布及公开媒体报道整理，仅作技术信息交流用途，不构成任何投资建议、采购决策或技术选型参考。文中涉及的内部数据均来自 Anthropic 官方披露口径，具体以官方原始发布为准。RSI 相关判断属于研究机构基于当前趋势的推演，不代表对未来时间节点的确定性预测。