Anthropic 研究院最近放出了一份硬核长文，核心结论只有一句话，但足够让整个 AI 行业重新校准预期：AI 正在加速 AI 自身的开发。数据摆在桌面——2021 到 2025 这四年间，工程师人均季度代码产出量飙升了 8 倍；到了 2026 年 5 月，合并进主干的代码里有超过 80% 经过了 Claude 的手。这不是渐进式改良，这是陡峭的指数曲线，而且拐点已经过去了。
更值得关注的是任务时长的跃迁。2024 年 3 月的 Claude Opus 3 能稳定搞定约 4 分钟的软件任务；仅仅一年后，Sonnet 3.7 把这个数字推到 1.5 小时；到 2026 年 3 月的 Opus 4.6，AI 已经能独立处理长达 12 小时的连续工作。METR 的独立测试进一步佐证了这一趋势——Claude Mythos Preview 在受控环境下持续工作超过 16 小时仍能保持任务一致性。与此同时，衡量 AI 编程能力的 SWE-bench 在两年内从低个位数打到饱和，衡量长程推理的 CORE-Bench 在 20% 正确率的瓶颈上也只撑了 15 个月就被突破。基准测试正在以肉眼可见的速度失效，这本身就是一个信号：模型能力的提升节奏已经跑赢了人类设计题目的节奏。
但报告没有回避一个关键短板：AI 自主设定目标的能力仍然存在显著差距。当前模型擅长的是在明确指令下高效执行，而非在模糊环境中自行发现问题、定义问题、迭代优化。换句话说，从"能干活"到"会找活干"，中间还隔着一道还没有被工程化的鸿沟。完全自主的递归自我改进尚未实现，但 Anthropic 给出的信号很明确——我们正站在临界点附近，区别只在于这条曲线是再过 18 个月被突破，还是 36 个月。对于每一个写代码的人、以及每一个制定 AI 政策的人来说，这份报告值得逐段拆开读。
