本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。
OpenAI、Google DeepMind 和 Anthropic 在先后公布了 AI 对齐模型研发的加速成果，促使「AI4AI」吸引了大量关注。独立评估机构 METR 近期以 Anthropic 为对象发布评估报告，指出 Anthropic 在目标明确、结果容易评分的任务上，提升模型能力的速度大约是过去的两倍，其中约 80%可能来自 AI。然而，该研究因关键内部数据被删改、信息渠道较窄和方法细节难以独立复查等方面的局限，导致 Anthropic 的实际研发效率仍然成迷。
目录
01. Anthropic 的研发速度翻倍了？
哪些公司已经用 AI 加速模型研发了？Anthropic 已经熟练掌握「AI4AI」了？...
METR 如何验证 AI 对模型研发的实际帮助？AI 如何加速 Anthropic 的模型研发？...
03. 关键数据被隐藏和删减后，Anthropic 的技术优势还有多少可信度？
哪些因素可能导致高估或低估 AI 对研发加速的客观影响？...
Anthropic 的研发速度翻倍了？
1、2026 年以来，越来越多的头部 AI 实验室开始将模型能力引入研发管线。伴随「RSI」的话题热度引导下，AI 在研究流程中的渗透率及其对下一代模型开发的加速效能已成为各方高度关注的焦点。[2-1]
① 长期以来，模型研发高度依赖研究人员的直觉经验与手动工程。而今，随着实验设计、代码生成与训练优化等环节逐步向模型交接，业界正密集探讨 AI 实现 RSI 的技术可行性。
② 2026 年 9 月发布的「The Last AI Built by Humans」工作中，研究者系统性地将 AI 参与自我改进的演进路线划分为 L1 至 L5 五个层级。
③ 该研究指出，随着层级跃升，AI 的角色将从「执行人类指定的优化指令」跨越至「主导后续改进机制的重写」，其过程伴随着人类介入边界的持续收缩。
2、在学术研究的基础上，包含 OpenAI、GoogleDeepMind 和 Anthropic 在内的头部 AI 企业均已相继披露了 AI 深度赋能内部研发的工程实践。
① OpenAI 在 2026 年 9 月发布的「Research acceleration」中披露，截至 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 用「AlphaEvolve」改进了 Gemini 训练中一个矩阵乘法内核的拆分方式，使该内核的运行速度提升 23%，Gemini 的整体训练时间因此缩短约 1%。[2-3]
③ Anthropic 在「When AI builds itself」里提到，到 2026 年 5 月，公司代码库合并进去的代码有八成以上出自 Claude 之手，而 2025 年 2 月 Claude Code 推出研究预览版之前，这个比例只有个位数。[2-4]
3、在全行业的加速浪潮中，AI 正在从单纯的「编程助手」演变为模型研发管线中不可或缺的「初级研究员」和「自动化工程引擎」。这种由 AI 驱动的研发飞轮（Flywheel）开始拉开前沿实验室与普通软件开发团队在效率上的鸿沟，也引发了业界对于技术进步速度是否即将迎来奇点（Singularity）的深度关切。
4、随着业界对 AI 加速模型研发的实际效果愈发好奇，独立评估机构 METR 于 2026 年 11 月 5 日发布报告，以 Anthropic 为观测样本，尝试量化评估 AI 对模型研发速度的实际催化效应。[2-5]
5、METR 在报告中给出的核心测算在于，在目标设定清晰、结果易于量化评估的任务场景下，Anthropic 提升模型能力的速度已达到历史基线的大约两倍。同时，METR 在免责声明中严谨地指出，受限于部分核心材料的缺失，该测算结果可能存在明显的上下行偏差。[2-5]
① 值得注意的是，Anthropic 在报告发布前对部分非公开信息进行了脱敏处理。官方声明此举旨在防止敏感机密泄露，以避免为竞争对手提供加速研发的参考路径。
② 报告最终的公开版本保留了关于研发加速的核心结论，但隐匿了部分支撑该结论的底层内部数据与具体的归因逻辑。
驻场 11 周，METR 如何评估 Anthropic 研发效率？
1、为验证 AI 对研发速度的实际影响，METR 对 Anthropic 开展了为期 11 周的深度审查，其核心评估框架围绕三大维度展开：模型能力增长速率的边际变化、AI 赋能的实际归因权重，以及短期内是否存在阻碍研发的实质性瓶颈...
关注👇🏻「机器之心PRO会员」，前往「收件箱」查看完整解读
更多往期专题解读内容，关注「机器之心PRO会员」服务号，点击菜单栏「收件箱」查看。
来源：机器之心
