有实测数据RSI 阶段 3自报数字官方口径不可查
Anthropic:《当 AI 开始构建自己》合入代码库的代码 80% 以上由 Claude 编写;代码优化任务上的提速从约 3 倍升到约 52 倍。均为官方口径。
截至 2026 年 11 月 11 日 的回答是:已进入生产。测试与编译器让编程的验证几乎免费,所以它最先被接手:头部实验室称合入的代码九成以上由模型写成。但「写得出」不等于「省时间」,独立实验里资深开发者用 AI 反而变慢。置信度中,近期不太会改。依据 2 条支持证据,1 条反方证据。
看完整论证 →合入代码库的代码 80% 以上由 Claude 编写;代码优化任务上的提速从约 3 倍升到约 52 倍。均为官方口径。
年中报告里是「八成以上」,Fable 5.2 发布时升到「九成以上」(有人类指导)。官方口径,衡量的是代码量,不是研究产出。
同一个模型、同一套题,换一层评测外壳分数从 62.7% 跳到 99.9%——世界模型的官方数字经不起同样这一问。
争议 · 有人认为 62.7% 才是模型的真实能力、99.9% 是注水;ARC Prize 自己不这么表述。争的是「要衡量的到底是模型,还是模型加上它的那层壳」,这个问题对世界模型同样没有答案。
链接长期有效;结论会随月度复核变化,引用时请注明复核月份。全部判断可下载 CSV 或 JSON。