「AI 什么时候能自己研究 AI」，这个问题的回答过去靠立场，现在开始有仪表盘了。Anthropic 在 9 月 17 日发布了一套研发自动化指标，把公司内部「AI 参与研发」的程度做成了可量化、可定期披露的数字。这是前沿实验室里相当早的一次系统性披露。
先说数字，因为它确实超出了大多数人的体感。截至今年 8 月，Claude「主导」了 Anthropic 约 26% 的 AI 研发工作——这里的「主导」有明确定义：人类给出高层目标，模型端到端完成大部分工作，人类负责监督和把关。今年 2 月，这个比例还不足 1%。半年时间从近零到四分之一，斜率比大多数预测都陡。
分层的口径借用的是 Epoch AI 的自动化等级框架：AL0 到 AL5，从完全无 AI 参与到完全自主。26% 的研发达到 AL4（AI 主导），九成以上至少到 AL3（AI 协作），而 AL5——无人在环的完全自主——目前没有任何被测任务达到。Anthropic 也特意标注了方法局限：评级由一个 Claude 智能体调研、另一个 Claude 独立评审，自评自判可能犯同类错误；各实验室也没有统一测法，横向比较暂时无从谈起。
规模数字更能说明这套系统的真实形态。8 月，内部平台任意时刻约有 3 万个智能体在跑研发和工程任务，单月决策量超过 10 亿次；自动化监控系统拦截了其中约 0.002%——大约每四点七万次决策有一次被标记出来交人工复核。算力分配上，整体研发约 6% 投入安全研究，若只统计 AI 主导的部分，这个比例约 12%——公司在刻意让自动化程度更高的工作承担更高的安全冗余。
报告里给的场景案例读起来已经很像日常：夜间数据管道故障，工程师把报告丢给 Claude 说「修好它」，模型自己查日志、定位原因、写修复代码、跑测试、处理冒出来的新问题，最后重跑管道、对比结果、写完说明文档。这不是演示，是 26% 里一个普通的工作日。
放在更大的图景里，这份披露把几条线拧在了一起。智谱的 Infra Agent 在国产集群上两周把推理吞吐提升了三倍多，模型开始改进承载自己的系统；OpenAI 设定了自动化 AI 研究员的时间表；而 Anthropic 上一周刚把评估员请进办公室，这一周就交出了自我量化的仪表盘——递归自我改进不再只是论文里的概念，它在变成一组可以每月对账的数字。
需要保持清醒的地方同样明确。26% 是一家公司用自己的模型、自己的评级流程算出来的数，它的价值在于建立披露的先例，而不在于数字本身的精确度。真正值得期待的后续是：更多实验室跟进同样的披露，第三方评估机构接入验证，让「AI 参与研发的比例」从各家自报的口径变成可比、可审的公共指标。在那之前，把 26% 当作趋势信号，比当作精确事实更稳妥。