2026 年 6 月初，Anthropic 发布了一篇题为《When AI Builds Itself》的重磅报告，迅速在科技圈引发连锁反应。报告的核心信息令人震惊：截至 2026 年 5 月，Anthropic 生产系统中超过 80% 的合并代码已由 Claude 自主编写，工程师人均季度代码产出量提升至 2021-2025 年基线的 8 倍。
这组数据的背后，是一个更深层的概念——RSI（Recursive Self-Improvement，递归式自我改进）。Anthropic 在报告中直言，RSI 正在成为现实：AI 系统开始帮助人类工程师构建能力更强的下一代 AI 系统，形成一个"飞轮效应"，使得每一次迭代速度都超越上一次，AI 能力演进曲线从线性变为指数级。
从"辅助工具"到"自主构建者"：Claude 的能力跃迁
Anthropic 报告的核心数据描绘了一条清晰的能力跃迁路径。2024 年 3 月的 Claude Opus 3 在处理开放式任务时成功率几乎为零，只能完成分钟级的简单任务。到 2025 年 11 月，Opus 4.5 的研究判断力达到 51%，开放式问题解决能力初步显现。2026 年 3 月，Opus 4.6 可持续执行长达 12 小时的复杂任务。而到了 2026 年 5 月，Claude 在开放式问题上的综合成功率已从六个月前的约 26% 跃升至 76%。
真正具有里程碑意义的实验发生在 2026 年 4 月。Anthropic 展示了一个由 Claude 驱动的智能体，端到端运行一个 AI 安全领域的开放式研究项目。在累计 800 小时、耗费约 18,000 美元算力后，该智能体弥补了与人类研究员 97% 的性能差距——而同一时间段内，两名人类研究员仅弥补了约 23%。
这组对比揭示了两个趋势：AI 的自主研究能力正在快速接近人类水平；同时，AI 执行这类任务的成本在持续下降。报告指出，Claude Mythos Preview 在优化训练代码任务上实现了 52 倍的加速，而人类工程师手工重构仅实现 4 倍加速。
RSI 的技术含义：当"造 AI"本身被 AI 加速
RSI 的核心逻辑并不复杂：如果 AI 能够帮助人类更高效地开发下一代 AI，那么每一次迭代都会比上一次更快——因为这一代的 AI 本身就是由更高效的工具构建的。Anthropic 报告中的"任务时长翻倍周期"印证了这一趋势：此前约需 7 个月才能翻倍的任务时长，目前已加速至约 4 个月。报告预测 2026 年内 AI 可处理需"数天"的复杂任务，2027 年将扩展至"数周"级别。
从技术实现角度看，RSI 并非单一的技术突破，而是多个能力维度的系统性叠加：代码编写从辅助到主导、开放式问题解决成功率的跃升、持续运行时间的指数级增长、以及优化自身训练代码的能力——这些维度相互增强，形成了 RSI 的底层驱动力。
值得注意的是，不仅 Anthropic 看到了这一趋势。几乎在同一周，OpenAI 也发布文件承认："我们在当今的系统中看到了递归自我改进的早期迹象——AI 的发展本身正在被 AI 加速。"两大 AI 巨头在同一周发出同样的信号，这本身就说明了 RSI 已不再是科幻概念。
安全与商业的双重悖论
报告发布后，Anthropic 做出了一项引发广泛争议的举动——主动呼吁全球 AI 实验室考虑放缓研发进度，理由是为 AI 对齐研究和社会结构争取适应时间。Anthropic 甚至在报告中表态，若其他开发者以可验证的方式同步放缓，它愿意"暂停甚至暂缓开发"。
这一呼吁的微妙之处在于：Anthropic 本身就是 RSI 最大的受益者之一。就在报告发布前数日，Anthropic 向 SEC 秘密提交 IPO 申请，估值高达 9650 亿美元，年化收入从一年前的 100 亿美元飙升至 470 亿美元。同时，其 Claude Mythos Preview 模型已识别数千个零日漏洞，覆盖所有主流操作系统和浏览器——Anthropic 启动了"Project Glasswing"项目，与英伟达、亚马逊云、苹果、谷歌、微软等巨头合作修补这些漏洞。
这种"一边加速研发、一边呼吁暂停"的矛盾，折射出 AI 行业在安全与商业之间的深层张力。
对开发者和行业的实际影响
RSI 的加速并非遥远的理论推演，它对当前开发者和企业的实际影响已经显现。工程师的角色正在从"编写代码"转向"指导与审核"——Anthropic 报告原文表述为："人类角色已转向指导和审核，而 Claude 负责实际编写。"这种角色转变意味着，未来开发者的核心竞争力不再是谁写得快，而是谁能在更高抽象层级上做出正确判断。
对于企业而言，RSI 趋势意味着 AI 能力的发展曲线可能比预估的更陡峭。今天认为"AI 无法胜任"的许多任务，可能在 6-12 个月内就变成常规能力。企业 AI 战略的规划周期需要相应缩短，保持技术栈的灵活性和可替换性，将成为长期竞争力的关键变量。
从 AI 安全角度，RSI 的加速也给安全治理带来了新的时间压力。Anthropic 报告展示了 AI 在安全研究中的能力，但也暴露了 AI 自主性增强带来的治理挑战。行业建立有效的安全框架和治理机制，需要在 AI 能力的指数增长和人类适应能力之间找到平衡点。