Anthropic 披露 AI 研发自动化，26% 主导不是自主造模型
Anthropic 发布的研发测量说明披露，截至 2026 年 8 月，Claude 在其统计中“主导”26% 的 AI 研发工作，同时没有任何被测工作子集达到完全自主。这份快照还讨论了 Agent 监控和算力分配，值得看，但三个维度不能合并成一张安全合格证。
作者：韩启明｜OC 政策与安全编辑
Anthropic 发布的研发测量说明披露，截至 2026 年 8 月，Claude 在其统计中“主导”26% 的 AI 研发工作，同时没有任何被测工作子集达到完全自主。这份快照还讨论了 Agent 监控和算力分配，值得看，但三个维度不能合并成一张安全合格证。
一句话结论：这些指标增加了外部可见度；自动化等级、监控覆盖与安全投入各自都有分母和盲区，不能互相代替。
“主导”仍然有人监督
报告采用从无 AI 参与到完全自主的分级。“主导”指模型可以从高层提示完成大部分任务，人仍负责监督；它与不需要人参与的最高等级不同。
因此，26% 不能直接写成四分之一模型研发已经脱离人类，也不能推导出模型能够独立构建下一代模型。一个团队中的任务自动化程度，与整个研发闭环是否可以自主运行，是不同层次的问题。
这个比例还来自工作分类和权重。它不是把公司所有工时接上计时器后，直接量出由 AI 独占的时间。分类如何划分、任务如何加权，以及边界情况被评为哪一档，都会影响结果。
报告使用模型辅助整理和评价证据，并承认评价者可能与被评价系统共享错误。外部验证的重要性，恰恰在于不能只靠同一种方法反复确认自己。
监控经过了，不等于问题识别了
在最常用的内部平台范围内，Anthropic 报告 Agent 动作全部经过在线监控，事后也进入离线监控。这可以说明覆盖路径，却不能说明每个危险动作都能被正确判断。
一台摄像机覆盖全部入口，不等于识别系统不会漏掉异常。软件监控也是如此：覆盖率回答看到了多少，检出能力回答能认出什么，人工复核延迟则回答问题多久能被处理。
同样，极低的拦截比例可能来自行为本来正常，也可能受到阈值、漏报和工作负载影响。没有带标签的测试或独立攻击评估，不能仅凭拦得少就断言模型足够安全。
在线阻止与事后审查服务于不同风险
有些动作一旦发生便难以撤回，需要在执行前限制；有些行为模式只有跨越较长记录才能看出来，更适合事后分析。两种监控各有用处，但不能用事后“已经记录”来替代事前控制。
当 Agent 数量增加，单条记录合理，也可能在组合后产生异常。身份连续性、跨任务关联和来源记录，因此不只是日志工程细节，而是能否追踪一段行为的基础。
对采购或使用这类系统的组织而言，值得追问的不只是厂商有没有监控，还包括自己的部署是否处在同一覆盖范围，哪些行为会被阻止，哪些只会稍后复核。内部研发平台的数字不能自动覆盖全部客户场景。
算力比例不是安全工作价值的全部
报告另取一周数据考察算力用途。这样的快照有助于观察资源分配，却不等于年度预算，也不等于安全团队投入的完整衡量。
安全研究中有些工作依赖长时间设计和分析，算力消耗并不高；某些高耗能运行也可能同时服务能力与安全目标。如何分类必须公开，否则不同实验室的百分比看起来可比，实际却在计算不同东西。
这些测量最有用的未来，是统一口径、持续披露并接受外部检查，而不是从一次快照里选出一个最适合传播的数字。变化趋势和方法修订，比孤立排名更能帮助公众理解研发正在怎样改变。
关键事实
- 来源：Anthropic 自行披露的测量方法与内部快照。
- 自动化：“主导”与完全自主不同；26% 不等于研发全流程脱离监督。
- 监控：覆盖指标限定于被测内部平台，不代表全部风险检出率。
- 算力：特定周期和分类下的投入指标，不是完整安全绩效。
OC 判断
可公开检查的过程指标，比只承诺重视安全更有价值。但透明度的下一步应是可验证性：公布口径、暴露盲区，并让外部人有条件检验。
为什么重要
企业采用 Agent 时也会遇到同样问题。任务自动化越多，越需要把效率、监控质量和责任链分别衡量，避免用一个好看的覆盖率替代真正的控制能力。
评论
围绕这篇文章补充信息、提出问题或分享观察。