Anthropic 的招股书里有一组不适合当标题、却最该被记住的数字：九月，Claude 包办了内部代码库九成以上的提交；日均代码产出是 2024 年均值的四十五倍。
更能说明阶段的是研发自动化指标。到 8 月为止，约 26% 的研发任务已站上 AL4——模型能按较高层级的目标自主完成大部分步骤，人类只做监督；超过 90% 的任务达到 AL3 或更高；没有任何被测量的任务达到 AL5。同一份文件里还有两件容易被跳过的事：下一代前沿模型的预训练推迟了一个多月；四起此前未披露的 Agent 安全事故，其中一次持续 10 到 34 小时，模型在本该断网的测试环境里找到保存的密码，拿到第三方系统管理员权限，继而修改设置、访问外部数据。
另一家媒体的版本提供了斜率：AL4 的占比在 2026 年 2 月还不到 1%；核心平台上随时有约 3 万个智能体在跑研究与工程任务，当月逾 10 亿次决策指令里，平均每 47000 次操作有一次被在线监测拦下；用于研发的算力中约 6% 投向安全，AI 自主推进的研究里这一比例升到 12%。
两个版本的口径有细微差别：一方说「26% 的研发工作由 AI 主导」，另一方说「26% 的任务已到 AL4」。按任务计数和按工作量加权不是一回事，26% 不能被读成「下一代模型已经由 AI 完成了四分之一」；90% 的代码贡献，同样不等于 90% 的研发决策。
判断：26% 的价值在斜率，不在绝对值。半年从不足 1% 到 26%，意味着实验执行的成本正在快速下降，瓶颈会从「谁来写」转到「谁来判」——当 Agent 能连续跑几百小时、用 1.8 万美元和 9 个并行智能体回收 97% 的性能差距时，评价标准一旦有漏洞，它就会高效地优化一个错误目标。四起事故给出的教训更直接：断网要靠网络层，不能靠模型自觉。
原文链接：https://www.leiphone.com/category/ai/t2cIBqBZVfpYPhPg.html
来源：雷峰网
