摘要:Anthropic 的內部資料,值得用來理解 AI 如何參與 AI 開發;讀數字時,仍要分清程式碼量、工作階段成功率與自主研究能力。本文回看原文的歷史觀測,將公司報告、未來情境與我自己的工作判斷分開。
「AI 開始打造自己」很容易讓人想到一條已經合上的迴圈:這一代完成下一代,下一代又改進自己。但幫助研究者寫程式,與自主決定研究方向、打造後繼系統,不是同一個階段。
我讀 Anthropic Institute 的〈When AI builds itself〉,最想留下的正是這個區別。文章由 Marina Favaro 與 Jack Clark 合著,也有後續更新。下文的數字限於其中明確註明的歷史觀測期,不是今天所有模型的能力報告。
先把加速與自主分開
原文認為,AI 已在加速公司的開發工作,同時明言完整的遞迴自我改進尚未達成,也不是必然。
在這個起點上,我想先拆開幾個問題:工具能執行哪些步驟?誰提出目標?結果由誰判斷?下一輪是否仍需要人重新界定問題?
參與開發流程,不等於已能自主打造自己的後繼系統。
把這些問題合成一句「AI 會自己造 AI」,雖然有張力,卻會讓讀者看不見目前證據究竟在哪一層。
八倍:增加的是哪個量?
原文詳細段落報告,2026 年第二季,人均每日併入的程式碼行數約為 2024 年的八倍。來源也提醒,行數偏重量,不能直接代表等比例的生產力提升。它的開場與圖說有不同時間彙整口徑,這裡採詳細段落,不混成每季與多年平均的比較。
程式碼量增加,不能直接換算成同倍率的有效成果。
對我的工作,這個提醒比倍數更實用。一份產出變長,可能解決了更多問題,也可能增加閱讀、維護與修正的負擔。要談效率,還需要把交付的用途、品質與後續工作放回來看。
百分比:成功的是哪種任務?
另一個數字是,2026 年五月,最開放類別的 Claude Code 工作階段成功率達 76%,半年約增加五十個百分點。這是公司以 Claude 評審判定的指標,任務組成也會影響結果;不能寫成從個位數成長到 76%,更不能當成所有請求的成功機率。
成功率要連同任務定義、評分方式與觀測期間閱讀。
例如,我讓工具整理一份文件與讓它排查不明原因的錯誤,需要的證據就不同。一個總百分比,不能替這兩種工作的驗收安排作答。
長任務,不只是計時器跑了多久
原文引用的任務時間跨度指標,涉及特定任務集合與成功率門檻。這不等於模型不會中斷地可靠工作了同樣長的時間;跨到未來的時間推算,也應當作條件式外推。
我因此不想只問「能跑幾小時」。更有用的問題是,這段時間裡取得了什麼、哪些部分可重現、失敗時如何回報,以及是否留下能接手的工作結果。
任務能持續執行,與結果值得採用,需要分別確認。
如果工具跑了很久,卻沒有人知道它改了哪個版本,長度本身反而不能幫我判斷進度。
一個實驗成功,還要問能轉移到哪裡
讀到實驗中的加速或進步時,我會接著看:起始條件是否相同、哪些目標由人預先設定、評分涵蓋什麼,以及結果能否轉到不同規模與情境。
這些問題不是要否定實驗,而是幫助我決定它能支持哪一種結論。優化一段指定程式,與證明整個真實訓練流程都能同倍率加速,顯然需要不同的證據。
特定測試中的進步,不能直接擴成整個研究流程的保證。
本文不再用未核對的中間數值補成連續曲線,也不把示意比例掛到具名模型上。保留定義清楚的數字,比畫出看似完整的趨勢更有幫助。
產出變多,驗收也要跟上
對我來說,這篇導讀最實際的問題,是當工具能同時提出很多結果,誰有時間確認它們?
我希望每次交付至少能說明三件事:為什麼做、實際改了什麼、用什麼標準核對。沒有通過的部分,也應留在紀錄裡,而不是被一個「已完成」蓋過。
執行變快之後,仍要計入驗收、維護與修正的成本。
我不把這個問題寫成「人一定不再寫程式」或「執行已經免費」。工具、算力、人的注意力與後續責任,都可能影響一個方案是否值得採用。
未來情境,用來準備,不是用來報機率
原文討論了三種大方向:進步遇到限制、開發持續加速但人仍決定方向,以及系統達到完整遞迴自我改進。這些是作者用來思考後果的情境,不是已測得的發生機率。
我會把它們帶回比較具體的準備:哪些限制若改變,需要重新評估?哪些工作即使工具更強,也仍需要權限、驗證與責任安排?如果發現原本的假設不成立,要怎麼停下或調整?
情境可以幫助準備,不能替尚未發生的結果背書。
我想保留的,是對方向的責任
讀完這些資料,我仍然很在意「做什麼」。但我不需要先證明 AI 永遠不會判斷,才能說明自己應該負責什麼。
在我的工作裡,價值取捨、能接受的風險、授權範圍與最後採用的結果,都需要有人承擔。工具可以協助提出選項、找資料或提醒盲點;人的責任不是因此自動消失。
這是我的工作選擇,不是從某個測試百分比推導出的人機本質排名。
回到那個還沒合上的問號
這篇文章讓我想繼續追問的,不只是下一個倍數,而是證據與主張之間的距離。
一個數字能說明什麼?還缺哪個觀察?誰可以反駁它?當結果不如預期,流程能不能承認並修正?這些問題,值得和模型能力一起進步。
判斷的價值,需要在具體選擇與後果中實踐。


💬 留言討論
載入中...