9 月 17 日，Anthropic 通过其研究院发布了一组用以衡量前沿实验室研发进度的新指标，首次公开了 Claude 参与开发下一代模型的具体程度。这套名为“Anthropic 研发自动化指数”的原型测量显示，截至 2026 年 8 月，Claude 已“主导”该公司约 26% 的 AI 研发工作，而这一比例在今年 2 月还不足 1%。
[1]这些数字之所以重要，是因为它们回应了业内争论最激烈的问题：AI 究竟在多大程度上开始制造下一代 AI。指标采用 Epoch AI 提出的 AL0 至 AL5 六级自动化框架，26% 对应“AI 主导”（AL4）——模型接到高层目标后完成大部分任务，人类只在关键节点监督；超过 90% 的任务至少达到“AI 协作”（AL3）水平。Anthropic 同时明确表示，任何被测研发子集都未达到 AL5，即完全无需人类介入。
为建立这套指数，Anthropic 在 7 月的每个星期随机抽取模型研发链条上各部门约 20% 的员工，由 Claude 研究代理梳理他们在 Slack 和内部文档中的工作记录，整理出约 1.5 万项具体任务，再归纳为一棵含 542 个节点的任务树，按人员投入时间加权。公司坦承测量本身的循环性：材料由 Claude 收集、等级由独立的 Claude 法官判定。内部验证中，模型法官与人类评审的完全一致率为 59%，而两名人类评审之间的完全一致率只有 35%。
[1]第二组指标关乎监督。8 月约有 3 万个研究工程智能体同时运行在 Anthropic 最常用的内部平台上，单月作出超过 10 亿次决策，其中约 0.002%（约每 4.7 万次一次）被在线监控系统拦截；离线监控每周标记约 10 万份对话记录，经分类器筛除误报后，约 50 份最高优先级记录升级至人工审查。第三组指标是算力分配：在 7 月 13 日至 20 日那一周，Anthropic 用于 AI 研发的算力中约 6% 投向安全研究；若只统计 AI 驱动的 AI 研发，这一比例为 12%。公司称两项估计都偏保守，因为同时提升能力与安全性的工作被归入了能力研发。
[1]这套指标发布在 CEO 达里奥·阿莫代伊呼吁“为前沿定速”（pacing the frontier）之后，也与 OpenAI 前一天公布的模型错位披露框架形成对照——两家公司都在尝试用定期公开的内部数据缩小实验室与公众之间的信息差。Anthropic 表示计划引入来自多个机构的独立第三方评估人员，验证安全实践并持续监测这些指标；独立机构 METR 此前已对其离线监控平台进行过红队测试。该博文由 Marina Favaro 与 Phillie Wright 合著，研究指导为 Jack Clark。这些测量足以说明“AI 造 AI”已进入可统计、可追踪的内部生产阶段，但它们同样提示：测量工具由被测量者制造，跨实验室比较尚缺乏统一方法，外部验证仍是缺口。
[1][2]