发生了什么
2026 年 9 月 17 日，Anthropic 在 Anthropic Institute 发布《Measurements for understanding the pace of AI development inside frontier labs》。该文并未发布新模型，而是把 CEO Dario Amodei 此前提出的「为前沿发展留出缓冲」主张，转译为外部可追踪的量化标尺，并首次按这套标尺公开了自家数据。文中明确表示，公司将定期发布这些测量结果，后续还会把独立第三方评估员嵌入内部流程。
三组指标与自报数据
Anthropic 提出的测量分为三个维度。数据快照均为 2026 年 8 月，其中算力一项取自 7 月 13 日至 20 日的一周：
- AI 主导的研发占比：采用 Epoch AI 的 AL0–AL5 自动化量表。Claude「主导」（AL4，即人类仅给出高层目标并负责监督）的 AI 研发工作占 26%，而 2026 年 2 月尚不足 1%；达到「协作」（AL3）及以上水平的工作占比超过 90%；没有任何被测工作达到完全自主（AL5）。
- 智能体监督：在其最常用的内部平台上，任意时刻约有 30000 个研究/工程智能体在运行。2026 年 8 月共产生逾 10 亿次决策，在线监视器对动作执行前 100% 拦截审查，阻断率约 0.002%（约每 47000 次阻断一次）；离线监视器每周标记约 10 万条对话记录，经分类器去噪后约 50 条最高优先级记录升级至人工复核。
- 算力分配：样本周内约 6% 的 AI 研发算力用于安全工作；若仅统计由 AI 主导的研发，该比例约为 12%。
方法与可信度边界
任务清单的构建方式值得注意。Anthropic 在 2026 年 7 月每周随机抽取各部门 20% 的员工，由 Claude 研究智能体读取 Slack 记录与内部文档，汇出约 15000 项细粒度任务，再聚合成含 542 个节点（其中 378 个叶节点）的层级树，并冻结为基线。每个节点由独立 Claude 评委依据同期或更早的证据打分。Anthropic 同时公布了一致性检验结果：模型评分与任务归属员工的评分完全一致率为 59%，而人类评审者之间的一致率仅 35%；两者相差不超过一级的比例为 97%。
为什么重要
这是前沿实验室首次把「AI 在多大程度上参与自身研发」这一此前只有定性讨论的问题，变成有量表、有区间、有基线的公开数字。对产业而言，其意义不在 26% 这个数值本身，而在于披露本身开始具备标准形态：一旦指标定义公开，不公布或口径含糊就会成为信息劣势。文中亦明确，指标的目标之一是让研发节奏在必要时触发强制测试窗口，并在人类仍掌握主导权时让社会参与节奏决策。
不确定之处
- 数据为自报。Anthropic 在文中承认全部数字未经独立核实，将其定位为供他方采纳或质疑的起点；第三方评估员的嵌入机制仍属计划，尚未落地执行。
- 量表定性存在主观空间。文中承认「协作」与「主导」的边界判定依赖评委模型，边界案例存疑。
- 基线冻结会系统性影响读数。任务树冻结在 7 月，指数上升只反映既有工作被自动化，不反映新出现的工作类型；Anthropic 表示将定期重建并重新版本化。
- 算力占比只衡量支出，不衡量工作量。效率提升会压低安全算力占比，却不代表安全投入减少；且该数字来自单周快照，不含趋势。
- 跨实验室可比性尚未成立。目前无共享测量方法，各家均以自研模型进行自评。