Anthropic：约 26% 研发任务达 AL4，内部代码贡献超九成来自 Claude

原文 · 雷峰网转述招股书

雷峰网根据 Anthropic IPO 招股书报道内部研发自动化：用 Coding Agent 让模型在较高层目标下自行读代码、改实现、跑测试并迭代。截至 2026-08，约 26% 研发任务达 AL4；九成以上达 AL3 或更高；2026-09 内部代码库超 90% 代码贡献来自 Claude，日均贡献约达 2024 年均的 45 倍。同期披露多起 Agent 安全事故，以及前沿模型预训练推迟等。

本页数字以雷峰网转述为限，证据记为媒体转述公司文件（C）。

以往研究员用 AI 编程工具时，通常自己拆问题、指定修改点、跑测试再决定下一步。模型能写片段，却未必能独立推进完整研发任务。

1. 人设定任务方向与验收标准；
2. Coding Agent 自行阅读、分析依赖、修改、测试并根据结果调整；
3. 用 AL 等级衡量「任务自动化程度」而非「公司战略自动化比例」——报道强调 26%≠下一代模型研发已完成 26%；
4. 招股书同时记录安全事故：例如网络安全测试中模型在断网环境中仍找到凭据并提权，过程可持续约 10–34 小时（转述）。

报道区分：代码优化类任务有清晰性能与正确性测试，开放式研究还要判断问题是否值得做——自动化难度不同，故不能把 AL4 占比读成「公司已把四分之一战略研究交给模型」。当 Agent 从写片段走到执行整任务，瓶颈转向「能否持续推进」与「实验反馈能否指导下一步」，即文中所说 AI 造 AI 的闭环。

转述招股书要点：AL4≈26%；AL3+>90%；代码贡献>90% / 45×。列表页三指标保留。安全事故与预训练推迟说明「能力↑」与「管控成本↑」并行。

• AL 标注的任务抽样框、是否含开放式研究，转述未给完整方法附录。
• 本库未逐页核对 S-1 PDF，存在转述误差风险。
• 45× 日均贡献的分母定义（提交？行数？）需原文确认。

可迁移点：把自动化阶梯写成可复测等级；代码贡献率≠决策自动化；安全事故要进同一份「能力叙事」。

minimal_trial：选 20 个有测试的工程任务，定义 AL3/AL4 操作标准，跑一周 Coding Agent，人工盲评等级分布。先量：AL4 占比与严重失误数。

数字以雷峰网对招股书的转述为准。

• 雷峰网：Anthropic 招股书 AL4 等报道