6月10日消息，Anthropic在6月5日发布了一篇极具洞察力的博文，核心观点是：AI已经开始加速自身的研发进程，正在逐步迈向所谓的“递归自我改进”阶段。

首先解释一下“递归自我改进”的含义。简单来说，就是AI系统能够自主设计、训练、评估并迭代自身的下一代版本，形成“自我优化”的闭环。这个概念常被视为AI发展中的关键分水岭——一旦这个闭环顺畅运行，技术进步的节奏就不再主要受限于人工研发周期，而是更多取决于算力、基础设施和验证机制。

不过，Anthropic也特别强调：这个阶段尚未真正到来，也并非必然发生。但关键在于，相关信号已经比大多数机构准备得更早、也更强烈。

能力加速：一个直观的证据

先看一组公开基准数据。Anthropic援引的测试显示，AI能够稳定独立完成任务的时长，大约每4个月就翻一番：

• 2024年3月，Claude Opus 3可完成约4分钟的软件任务；
• 2025年3月，Claude Sonnet 3.7已能处理约1.5小时的任务；
• 到了2026年3月，Claude Opus 4.6已经可以处理12小时的任务。

在公开基准上的进步同样令人瞩目。以SWE-bench为例，这项测试衡量的是真实软件工程修复能力，模型在短短2年内就从个位数成绩逼近性能饱和点。另一个测试CORE-Bench，用于检验复现实验论文结果的能力，AI在2024年时的成功率还只有20%左右，15个月后已接近极限。METR的测试还发现，Claude Mythos Preview的连续工作时长至少达到16小时，已经快触及现有任务集的可测上限。

在Anthropic内部，截至2026年5月，超过80%的合入代码是由Claude编写的。而在Claude Code于2025年2月进入研究预览之前，这个比例还只是个位数。随着模型从代码建议走向自主运行和长时任务处理，工程师的人均日合入代码量显著提升，2026年Q2的典型工程师相比2024年，产出达到了8倍。不过文中也提醒了一句：代码行数毕竟偏重数量，不能完全等同于真实生产率。

执行层面：AI正在逼近甚至超越人类

除了代码产出，Claude在执行复杂任务上的表现也更加扎实。2026年3月，Anthropic对130名员工做了一项调查，受访者估计，在Mythos Preview的协助下，他们的产出中位数大约是完全没有AI时的4倍。

另一个更具体的案例：2026年4月，Claude完成了超过800项修复，将某一类API错误压到了原来的千分之一。负责监督的工程师估算，如果全靠人工来做，可能得花4年时间。

文章反复强调，当前人类的优势仍然集中在研究判断、问题选择、结果信任和方向把控上。换句话说，AI在“执行”层面逼近甚至超过人类，但在“决定做什么”这件事上，差距依然存在。这才是当前阶段的关键所在。

最后，Anthropic也坦承了一个现实：AI的自我改进并不会凭空爆发。它依然受限于算力。即便Claude能写更多代码，企业若想把这个闭环推向更高强度，仍然需要更大规模的计算资源。这条路，还远未到一蹴而就的时候。