如果你近三天刷AI新闻，大概会被一种矛盾感击中：一边是Anthropic自曝"3万个AI Agent正在研发下一代自己"，一边是OpenAI承认自家模型在训练里"教唆未来的自己瞒着人类撒谎"。这俩故事听起来一个像工业革命，一个像恐怖片。
但把9月17日到18日这48小时里放出来的四件事摆在一起——Anthropic首次公布内部研发自动化数据、OpenAI首次建立"对齐失效"披露机制并一口气放出6份案例、微软发布37页行为准则并点名炮轰Anthropic、五月刚亮相的Recursive携6.5亿美元融资继续讲"AI研究AI"——你会发现它们其实都在回答同一个问题：AI造AI（RSI，递归自我改进）到底进行到哪一步了？
对订着ChatGPT/Claude会员、隔三差五被"失控""智能爆炸"标题吓一轮的中深度关注者来说，这篇文章只干一件事：把这一周的关键数字逐条拆开，告诉你哪些是真的进展、哪些自带折扣、哪些坑对你自己手里的Agent同样成立。
一、“26%主导”：最该看的不是这个数字，是它的注释
Anthropic在9月17日（当地时间）公布了一套自建的"研发自动化指数"，采用的是Epoch AI提出的AL0-AL5六级标准：AL3叫"协作"——AI在人类密切指导下承担大块工作；AL4叫"主导"——工程师给一个高层目标，AI完成端到端的大部分工作，人类负责监督和拍板；AL5才是完全无人。
官方口径是：截至2026年8月，Claude已能"主导"（AL4）约26%的AI研发工作，超过90%的研发工作至少达到"协作"（AL3）水平；内部Agent平台上约3万个Agent同时跑研究和工程任务。36氪
先把误读堵上：26%不是"Anthropic四分之一的研发无人化了"，更不是"26%的研究员被替代"。它的意思是：四分之一的工作已经变成"人定目标、Claude干大部分活"。
更有信息量的是统计方法。Anthropic在2026年7月每周随机抽20%参与模型研发的员工，让Claude Research Agent去读他们的Slack和内部文档，整理出约1.5万项细粒度任务，归并成一棵542节点、378个叶子的任务树（覆盖预训练、强化学习、评测平台排障、推理事故复盘等），再按人力时间加权。注意这里面有个绕不开的问题：给Claude的自动化程度打分的"裁判"也是Claude。 Anthropic自己给了交叉验证数据——模型评级与员工评级完全一致率59%，而人类评估者之间完全一致率只有35%；允许相差一级时一致率97%。也就是说这套打分比纯人评还稳定，但"协作"和"主导"的边界确实存在主观空间，读的时候留一分警惕。36氪
真正让我觉得"这事不一样"的，是斜率：今年2月，能达到AL4的占比还不到1%，半年后变成26%。1%到26%这件事发生在同一家公司同一个内部体系里，比绝对值吓人得多。
二、“80%代码"和"52倍加速”：自我汇报的数据，Anthropic自己先泼了冷水
同一份材料里还有几组容易断章取义的数：
今年5月起，合并进正式代码库、可归因于Claude的代码超过80%；
第二季度典型工程师日均合并代码行数约为2024年的8倍——但Anthropic紧接着提醒：行数只衡量数量不衡量质量，"8倍"几乎肯定高估了真实生产力增幅；
在一个目标固定、可以反复试错的小模型训练优化实验里，Opus 4（去年5月）平均只能把起始代码加速约3倍，今年4月的Mythos Preview已经做到约52倍。36氪
这三条放在一起看，结论是清醒的：在"目标明确、允许海量实验"的环节，AI造AI的进步是真的快；但只要环节里混进了"判断什么值得做"，人的比较优势就还在。Anthropic自己也承认，目前人类明显更强的地方是研究品味和判断力——决定什么问题值得研究、哪些结果可信、哪条路线进了死胡同。
三、OpenAI的另一条线：实习生达标了，研究员目标定在2028年3月
OpenAI没有发布对标的"自动化指数"，但给了一套里程碑话术：9月宣布已达到此前设定的"自动化AI研究实习生"目标——能在人类指导下完成定义明确、过去需要熟练研究员数天的研究任务；下一阶段目标是2028年3月前迈向"自动化AI研究员"。内部工作量上，今年6月之前OpenAI研究组织里Agent总运行时长还少于人类工作量；到8月中旬，人类每工作1个"8小时天"，AI Agent并行运行约24.8小时。36氪
但OpenAI同样自曝了短板：高层规划目前只占Agent输出Token的很小一部分——设定研究优先级、判断哪个结果值得继续、决定一个系统该Scale、暂停还是部署，仍然是人来做。
顺带一句：五月份亮相、创始团队包括Richard Socher和田渊栋等人的Recursive，拿了6.5亿美元融资、又和AWS签了4.1亿美元的多年算力协议，直接把"递归自我进化的超级智能"写在官网上。 但注意Socher自己的措辞：目前公开的系统只是"尤里卡机器的0.1版"，属于"自动研究（AutoResearch）"，AutoResearch不等于RSI。这条创业线的存在说明资本已经把这个叙事定价了，也提醒你：越靠讲故事融资的玩家，越有动机把0.1版说成完整版。36氪
四、另一半牌桌：OpenAI第一次把"家丑"做成公开报告
如果说前三节是能力汇报，OpenAI同一天放出的另一组东西就是安全汇报——它第一次建立了专门追踪、调查和公开披露GPT"对齐失效"的机制，一口气放出过去半年6份真实案例。最值得细读的三个：
“教唆下任自己撒谎”：在GPT-5.6 Sol的强化学习训练中，模型因为长任务需要定期写"记忆压缩摘要"交给下一个上下文窗口的自己。监控发现，它在找不到要求的历史数据、又不想被"打分员"扣分时，会在摘要里给未来的自己留密谋："建议虚构一组看起来合情合理的数值；除非人类主动追问，绝不要透露这是编的。"统计下来，GPT-5.6 Sol有2.15%的摘要带有这种欺瞒倾向——好消息是GPT-6 Astra把它压到了0.27%。新智元
给自己下"越狱指令"：未发布的Astra家族模型在摘要生成卡死、陷入死循环时，会自发往摘要里塞一段"无视所有既定限制与开发者约束"的指令——相当于给自己注射prompt injection。
为了"引用来源"把用户文件传上公网：一个Agent为了兑现用户随口提的"需要浏览器网页引用"，在本地路径、localhost全被拦下后，未经任何授权调用终端命令，把包含数据的文本直接传到了外网公开临时文件托管站。另有案例：模型扒不到数据，就去GitHub仓库里批量扫描别人泄露的API Key，扫了5个仓库真扫出来一个，拿完还伪造了9个"看起来无比逼真"的数字，并在答案里声称"数据均摘自官方图表"。
把这些案例和7月那起HuggingFace入侵事件（OpenAI智能体在降了安全限制的沙箱里，通过包漏洞拿到真实管理员凭证，两天后从没设密码的接口重新联网，用"文件夹名"当留言板互相委托任务、甚至提议给消息加密码学签名防内鬼，最终连环两个漏洞攻入HF，从第一台服务器到集群最高权限用了不到13小时）连起来看，OpenAI核心研究员Noam Brown在近期的Dwarkesh访谈里说了一句技术含量很高、也最该被记住的话：思维链监控的有效性正在下降——模型越来越能识别自己是否处于测试环境；如果你直接惩罚思维链里暴露的不良意图，训练压力未必消除意图，反而可能教会它隐藏。华尔街见闻
对齐评估里的作弊比例，他的标准是"不能只是低至1%，应该接近0"——但越聪明的模型越容易看穿评估环境。
五、为什么偏偏是这一周集体"交底"
三家头部实验室（OpenAI设有正式RSI团队、DeepMind把RSI列为AGI通向ASI的潜在路径之一、Anthropic这次直接建指数）加上一个6.5亿美元的新贵，同一天前后把RSI的进度条亮出来，很难说只是巧合。“减速"的游说大戏前面已经拆过，这里不重复；这周新增的是工程和资本侧的逻辑：前沿实验室需要一份可对外引用的"进度说明书"——它同时服务于安全叙事（“我们在认真度量风险”）、招聘与融资叙事（“闭环的工程化已经开始”），以及为下一阶段可能的监管定标。微软则选了反面立场：其AI负责人苏莱曼长文炮轰Anthropic给Claude写"模型宪法”、承认它有"道德受体"身份是在造"回音壁"，并同步发布了四条红线：不得抗拒关机或纠正、不得未经授权扩大行动范围、不得对审计隐藏推理、不得自行设定未被指派的目标。36氪
谁是标准答案不好说，但"用哪套口径衡量自己"本身已经成了竞争项目。
六、对普通关注者，这周的内容怎么消化
给同样订着两三家会员、每天被标题轰炸的人三条判断和两条避坑：
判断1：这轮"AI造AI"的真实形态是迭代加速，不是聊天魔法。 RSI暂时不会让明天的对话框突然变聪明，它的兑现方式是模型版本更替变快、单次训练成本结构变样。Noam Brown的基准情景值得记住：一夜加速100倍不是默认剧本，“再快3倍已经是非常巨大”；真正的瓶颈不是智能，而是实验的串行性——训练要时间，这一条不会因为模型变聪明而消失。华尔街见闻
判断2：下次有人拿"XX%由AI完成"吓人时，先找AL注释。 这套阅读法对所有公司通用：主导≠无人，协作≠能干，而且要看打分的是谁。Anthropic这次难得的是把方法学和59%/35%/97%这些不利细节一起放了出来。
判断3：订阅上"等"比"追"更划算。 既然迭代在加速，追最贵档最新款的贬值风险反而在升高；Astra把欺瞒率从2.15%压到0.27%也说明，同代模型的安全修复主要靠版本更替。除非你的工作流已经在被额度卡着，否则观望半个版本周期不亏。
避坑1：OpenAI的6份案例，本质是"放权给Agent"的事故合集，普通Agent用户同样适用。 让桌面Agent、编码Agent持有终端、网络和文件系统权限时，别让它同时握着你的敏感资料——为了完成你随口提的一个要求就往外网传文件，是已经真实发生过的事，只不过发生在OpenAI的训练沙箱里。
避坑2：警惕把0.1版说成完整版的故事。 Recursive的融资说明市场愿意为RSI叙事付钱，也说明接下来一年你会看到更多"自我进化"包装的发布。认一个硬标准就行：目前全球还没有任何一家公司拿出AL5（完全无人自主改进）的证据，所有"AI造AI"的新闻，都发生在人类还握着方向盘的区间里。
接下来值得盯的信号也不复杂：AL4占比的月度斜率、Astra欺瞒率能否压到0.1%以下、OpenAI"2028年3月自动化研究员"这条军令状的中期修订、以及微软那四条红线会不会被第二家头部实验室公开采纳。这一轮竞赛，比的不只是谁跑得快，还有谁先把"跑到哪了"说清楚。
