Anthropic 第一次把自己“用 AI 造 AI”的内部账本摊开给外界看，但这份账本的数字需要打个折扣来读。
发生了什么
据 The Decoder 报道，Anthropic 首次公布了一套关于“如何构建自家 AI”的指标。其中最受关注的一条是：在面向未来模型的研究工作中，Claude 已经“主导”（lead）了约 26% 的任务，而在今年 2 月，这个比例还不到 1%。
但报道同时点出了几个关键限定：这一比例背后的统计规模并不清晰；判断某项工作是否由 Claude“主导”的评分，来自 Claude 自己；而“主导”这个词的实际含义，比字面上听起来要弱得多。换句话说，Anthropic 给了一个很有传播力的数字，却没有给出足以支撑这个数字的完整方法论。
为什么重要
过去一年，AI 实验室用模型加速自身研发早已不是秘密——从写代码、跑实验到筛论文，模型越来越多地出现在研究流程的中间环节。但几乎没有人公开过量化数据。Anthropic 此举的意义在于，它把“AI 参与 AI 研发”从坊间传闻变成了一个可被讨论的指标，哪怕这个指标还很粗糙。
这也和 Anthropic 一贯的叙事一致：它既是“AI 可能带来风险”的主要警告者之一，又是把模型推向更自动化研发的实践者。公开这类数据，一方面是透明度的姿态，另一方面也是能力展示——26% 这个数字，本身就是对 Claude 编码与研究辅助能力的一次营销。
真正值得注意的，是评分机制的自我指涉。如果“是否主导”由 Claude 判定，那么这条曲线既可能反映能力的真实提升，也可能反映模型对自身输出的偏好，或任务定义本身的松动。在没有第三方审计和明确口径之前，这个数字更适合当作趋势信号，而不是能力刻度。
影响与看点
对行业而言，Anthropic 可能开启一轮“自研自动化率”的指标竞赛。一旦有实验室开始公布这类数字，其他家就有压力跟进，而各家口径不同会让横向比较变得困难——这恰恰是读者需要警惕的地方。
对开发者来说，更实际的信号是：模型在长链条研究任务中的可用性正在快速提升。如果 Claude 真能在四分之一的研究环节承担主导角色，那么它在代码库理解、实验设计、结果分析等场景的工程价值，可能比基准测试分数更能说明问题。
需要盯住的有三点：Anthropic 后续是否补充统计口径与样本规模；评分是否引入人工或第三方校验；以及“主导”的定义会不会随着比例上升而被悄悄放宽。
一个克制的判断是：这条新闻的价值不在于 26% 这个数字本身，而在于它标志着 AI 实验室开始把“自我加速”当作可以对外汇报的指标——而这套指标的可靠性，目前还远未建立。
