當 AI 打造自己：閱讀 Anthropic 的遞迴自我改進文章
截至 2026 年 5 月，Anthropic 合併進自身 codebase 的程式碼，有超過 80% 是 Claude 寫的，而不是人類。 一年前，這個比例還只有個位數。這個數字正是 Anthropic 文章 When AI Builds Itself 的全部故事：AI 正從協助人類寫程式的工具，跨越成一套愈來愈能自行撰寫自己的系統。
我先是透過一支評論影片接觸這篇文章，之後回頭讀了第一手來源——很慶幸我這麼做，因為影片弄錯了幾個重要地方。因此這篇文章會做兩件事：整理 Anthropic 實際主張的內容（以及真實數字），並指出流行的「末日」敘事在哪些地方偏離了原文。
來源說明：以下每項統計數字都引用自上方連結的 Anthropic 原文。當我提到「影片的觀點」時，那是第三方評論——顯然是有不同立場的不同來源。
五個階段：人類逐漸被抽象化
Anthropic 將過去五年描述為人類穩步退出寫程式行為的過程：
- 打造第一個 Claude（2021–2023）——工程師手動輸入程式碼。
- 聊天機器人（2023–2025）——人們把聊天視窗裡的片段貼進編輯器。
- Coding agents（2025–2026）——你描述任務；agent 寫出完整檔案。
- 自主 agents（現在）——一個 prompt 展開成多個 sub-agents，平行執行程式與訓練模型。
- 閉合迴路（closing the loop）——未來階段：AI 在沒有人類參與下，設計、打造並訓練它的後繼者。
值得注意的是：第四階段標示為「現在」，不是「不久的未來」。 Anthropic 是在說，自主 agent 時代已經到來，只剩最後的遞迴步驟尚未完成。
加速是真實的，而且有量測
複利式成長很難反駁，因為它有 benchmark 支撐。AI 能可靠獨立完成的任務時長，正以約每四個月翻倍的速度成長——此前是每七個月一次。 文章中直接給出的具體數字如下：
| 時間 | 模型 | 能處理的任務時長 |
|---|---|---|
| 2024 年 3 月 | Claude Opus 3 | 約 4 分鐘 |
| 2025 年 3 月 | Claude Sonnet 3.7 | 約 1.5 小時 |
| 2026 年 4 月 | Claude Opus 4.6 | 約 12 小時 |
| 2026 年（預測） | — | 「長達數週的任務可能在今年進入可處理範圍」 |
在 CORE-Bench——測試 AI 是否能閱讀研究論文、撰寫程式碼並重現結果的 benchmark——系統的成功率從 2024 年約 20%，在十五個月後提升到飽和這個 benchmark。
此刻的 Anthropic 內部
除了頭條的 80% 外，還有兩個內部數字很突出——也正是影片詮釋偏離的地方：
- 每日程式碼量增加 8 倍。 2026 年第二季，典型工程師每日合併的程式碼量是 2024 年的 8 倍。Anthropic 自己也提醒，程式碼行數衡量的是數量而非品質，因此這「幾乎肯定是誇大了」。
- 產出約增加 4 倍。 另一個數字是，使用名為 Mythos 的內部預覽模型時，中位數工程師估計自己的產出約增加 4 倍。
影片把它們濃縮成「程式碼增 8 倍、但生產力只增 4 倍，所以 AI 程式碼價值只有一半」。這個故事很整齊，但不是文章所說的內容——8 倍與 4 倍測量的是不同的事（程式碼量與自評產出），而 Anthropic 已標註 8 倍可能被高估。這是真實的加速訊號，而不是承認一半程式碼是垃圾。
最尖銳的資料點是：在一項程式碼最佳化任務上，Claude Mythos Preview 相對於起始程式碼達到約 52 倍的加速（2026 年 4 月），而一年前 Claude Opus 4 約為 3 倍；熟練的人類研究者光是達到 4 倍，就需要四到八小時。
真正的瓶頸：先是判斷，接著是運算資源
如果 AI 寫了大多數程式碼，為何人類還在？因為執行與方向是不同的技能。AI 擅長執行，卻仍不擅長決定什麼值得做——提出新穎的研究方向、選擇要跑哪些實驗、判斷結果。Anthropic 指出，人類 code review 本身已成為新的瓶頸。
更深層的限制是物理條件。文章認為，AI 進展的約束最終可能「在供應鏈，而非模型」——推進與擴散前沿能力，可能需要比目前存在的更多能源與算力。 誰負擔得起最多的運算資源與電力，誰就決定速度。
這裡有一個值得修正的地方：影片把它戲劇化成即將到來的「永久底層階級」。 Anthropic 的文章中沒有出現這個說法。算力與資本的限制確實存在，也值得嚴肅看待，但這個反烏托邦標籤是評論者的，不是公司的。
「暫停」問題，以及批評在哪裡失焦
這是最值得弄清楚的部分。Anthropic 寫道，如果真的有可能放慢這項技術，替社會爭取更多時間，「那很可能是一件好事」。一種常見批評——也是影片採取的批評——認為這是服務自身利益的恐懼行銷：賽道領先者會從要求其他人放慢中獲益。
對任何前沿實驗室的安全論述抱持懷疑，是合理的本能。但這個批評誤讀了實際承諾。Anthropic沒有提議單方面暫停。文章表示，只有在其他前沿開發者也以可驗證的方式這麼做時，它才會放慢或暫停；真正的減速「需要多個資源充足、位於或接近前沿、分布在多個國家的實驗室，在相同條件下同意停止。」這幾乎與「我先停，然後希望競爭者也停」相反——它是「除非集體且可驗證，否則這一切無法成立」。
我的看法是：你可以同時保有兩個想法。市場領先者的安全倡議值得審視，而且一種有條件、多邊、以驗證為基礎的暫停，遠比四處流傳的稻草人版本更站得住腳。該批評文章實際說了什麼，而不是批評那個更犬儒、也更容易嘲諷的版本。
常見問題
AI 的遞迴自我改進是什麼？
遞迴自我改進是指 AI 系統能以很少或沒有人工介入的方式，自主設計、打造並訓練更有能力的後繼者——每一代都改進下一代。在 Anthropic 的框架中，這是最終的「閉合迴路」階段，進展的主要限制會從人類工程努力轉為原始算力。
Anthropic 有多少程式碼由 AI 撰寫？
根據 Anthropic 的文章，截至 2026 年 5 月，合併進其 codebase 的程式碼有超過 80% 由 Claude 撰寫——一年前仍是個位數比例。
CORE-Bench 是什麼？
CORE-Bench 測試 AI 是否能閱讀既有研究論文、寫出必要程式碼，並成功重現論文結果。AI 從 2024 年約 20% 的成功率，在約十五個月後提升到飽和這個 benchmark。
Anthropic 是否呼籲單方面暫停 AI？
沒有。Anthropic 表示，只有在其他前沿實驗室也以可驗證方式採取同樣行動時，它才會減速或暫時暫停；而有意義的暫停需要多個資源充足、分布多國的實驗室在同一條件下達成協議。
我的結論
這篇文章裡的數字不是炒作——它們經過量測、附帶警語，並指向同一個方向。AI 正從撰寫程式碼走向指揮工作，人類正沿著抽象層往上，從 coder 變成 reviewer，再變成 director。真正的不確定性在於 AI 是否能掌握品味——新穎研究與判斷——因為這是唯一讓人類留在迴路中的事。
我想反駁的不是 Anthropic 的資料，而是把一篇謹慎、有保留的文章化成整齊末日敘事的二手詮釋。請閱讀第一手來源，再決定該擔心什麼——真實版本裡已有足夠值得擔心的內容，不需要憑空創造一個底層階級。