Anthropic publicerade en första inblick i sin egen utvecklingspipeline denna vecka och avslöjade att dess Claude-modell nu "leder" 26 % av AI-forsknings- och utvecklingsarbetet inom företaget – upp från under 1 % i februari 2026. Siffrorna dök upp i ett företagsblogginlägg med titeln "Measurements for understanding the tempo of lab development on September 17 and AI" publicerad av 17 frontier Reuters, The Washington Post och andra butiker.
Inlägget är dels en öppenhetsövning och dels ett argument: Anthropic vill att andra gränslaboratorier ska publicera samma typ av siffror, så att allmänheten och regeringar kan spåra hur snabbt AI får nycklarna till att bygga AI. For more context on this story, see our ongoing more AI stories.
Tre siffror för att spåra AI-utveckling
Företaget föreslog tre mätningar som det säger belyser utvecklingstakten i frontier labs: hur mycket av AI FoU som utförs av AI själv, hur väl AI-agenternas handlingar övervakas och hur beräkningen fördelas mellan kapacitetsarbete och säkerhetsarbete.
Rubriknumret kommer från vad Anthropic kallar sitt R&D Automation Index. Företaget katalogiserade alla typer av AI FoU-arbete som gjorts på företaget, värderade hur automatiserad varje uppgift för närvarande är och aggregerade resultaten med hjälp av en skala utvecklad av forskargruppen Epoch AI. Skalan går från AL0 (ingen AI-inblandning) till AL5 (AI fungerar helt autonomt, utan någon människa i slingan), med AL3 som betyder att AI "samarbetar" på stora delar av arbete under nära mänsklig ledning och AL4 betyder AI "leder", som slutför det mesta av en uppgift från en uppmaning på hög nivå medan en människa övervakar.
I augusti 2026, rapporterade Anthropic, leder Claude 26 % av företagets AI FoU-arbete. Andelen arbete på eller över nivån "AI samarbetar" är över 90 %. Claude arbetar inte helt autonomt för någon uppmätt delmängd av AI FoU-arbete.
30 000 agenter, en övervakare
Den andra mätningen gäller tillsyn. Anthropic avslöjade att från och med augusti 2026 fanns det cirka 30 000 agenter som utförde forsknings- och ingenjörsarbete på företaget vid ett visst tillfälle på dess mest använda interna plattform.
Varje åtgärd som dessa agenter vidtar går igenom en onlinemonitor innan den exekveras, vanligtvis inom några sekunder, enligt inlägget. Anthropic säger att de analyserade över en miljard beslut från sina forsknings- och ingenjörsagenter under augusti och fann att andelen aktiviteter som blockerades eller eskalerades av monitorerna var 0,002 %.
När det gäller beräkningsallokering, den tredje mätningen, sa företaget att under den granskade veckan hade ungefär 6 % av beräkningen som gick till AI FoU allokerats till säkerhet.
Bygger sin egen efterträdare — med människor som övervakar
Inramningen betyder lika mycket som figurerna. Anthropics modeller deltar i allt större utsträckning i att bygga nästa generation av samma modeller – vad forskare kallar rekursiv självförbättring, och vad The Washington Posts rubrik beskrev mer rakt av som en chatbot som "tar över arbetet med att bygga sin egen efterträdare."
Anthropic är noga med att dra en gräns mellan "AI leder" och "AI ersätter." På AL4 övervakar en människa fortfarande och kan ingripa; företaget rapporterade uttryckligen att ingen uppmätt delmängd av dess FoU-arbete körs vid AL5. Men banan är brant: att gå från under 1 % till 26 % på ungefär sju månader tyder på att andelen AI-ledt arbete kan passera hälften långt före slutet av årtiondet om nuvarande trender håller i sig.
Metodiken har verkliga gränser, och det säger Anthropic. Dess automationsbetyg togs fram genom att ta ett urval av företagets egna arbetsregister – inklusive Slack-meddelanden och intern dokumentation – och genom att låta både människor och en domarmodell bedöma hur automatiserad varje uppgift är. I ett blindtest bedömde personalen uppgifter utan att veta vilka bevis modellerna hade samlat in. Företaget rapporterade att dess modelldomare var överens med människor ungefär lika ofta som människor kom överens med varandra: exakt modell-till-människa överenskommelsen var 59%, medan människa-till-människ överensstämmelse var bara 35%, och modell och mänskliga betyg landade inom en nivå från varandra 97% av tiden.
Företaget erkände också den självrefererande risken i sin egen metod: Anthropic använde sina egna modeller för att hjälpa till att utvärdera sina system, vilket kan innebära att domarmodellen gör samma slags fel som modellen den kontrollerar. Tredjepartsverifiering, hävdar det, är det verkliga svaret.
De yttre ögonen kommer
För det ändamålet säger Anthropic att de planerar att bädda in oberoende tredjepartsutvärderare från flera organisationer inom företaget, vilket ger dem tillgång till interna processer, system och data som är jämförbara med vad interna riskbedömningsteam har. Den externa AI-forskningsorganisationen METR har tidigare slagit ihop Anthropics offlineövervakningsplattform.
Avslöjandet kommer mitt i en eskalerande debatt om pacing. Antropisk VD Dario Amodei har efterlyst samordning för att bromsa gränsen, och företaget noterar att dess egna siffror skulle förväntas förändras om en sådan samordning fanns. Den här veckan var Anthropic och OpenAI också föremål för ett offentligt brev från säkerhetsexperter som hävdade att labben behöver verkligt oberoende säkerhetsutvärderare.
Huruvida rivaler följer Anthropics ledning är den öppna frågan. Företaget hävdar att alla gränsutvecklare skulle kunna publicera dessa åtgärder regelbundet med hjälp av en offentlig metod. Tills de gör det kommer de enda offentliga siffrorna om hur snabbt AI bygger AI från labbet själva.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
