一份来自第三方评估机构 METR 的调查，把 Anthropic 捂在手里的底牌掀开了一角：这家公司内部一个尚未公开的模型——社区暂时称其为 Model 4——内部综合能力指数（AECI）达到 178.6。比绝对分数更值得关注的是节奏：自 2025 年 10 月起，其模型能力提升速度增至此前的 1.9 倍，而约 80% 的研发加速来自 AI 辅助，内部研究员自报效率提升约 12 倍。如果这组数字成立，"AI 研发 AI"就不再是发布会上的概念演示，而是一条可以被测量、被复盘的工业流水线。
几乎同时，另一件事给这条流水线提供了注脚：Anthropic 以一个内部 Claude 模型为核心的 Harness 系统，仅用 3 天攻克了悬而未决 18 年的 Aaronson-Ambainis 猜想，定理与推论已完成 Lean 形式化。一边是"造模型的模型"，一边是"解猜想的智能体"，两件事指向同一个方向——前沿实验室的竞争焦点，正在从"谁的模型更强"转向"谁能用 AI 把研发本身加速得更快"。
一、一份调查掀开的底牌：Model 4 与 178.6
METR 这份调查的核心指标是 AECI，一套用于横向比较不同模型综合能力的内部指数。在这份口径里，Anthropic 未公开的 Model 4 拿到 178.6 的分数，而其能力提升速度自 2025 年 10 月起增至此前的 1.9 倍。需要说明的是，Anthropic 官方并未确认这款模型的存在与命名，"Model 4"目前只是社区与媒体沿用的称呼，相关数字均出自 METR 的调查口径，最终仍以官方披露为准。
比绝对分数更值得琢磨的是斜率。1.9 倍的提速、约 80% 的研发加速来自 AI 辅助、研究员自报效率提升约 12 倍，这三组数字彼此咬合：模型帮写代码、跑实验、读论文、整理评估结果，研发周期被系统性压缩。过去大模型行业默认的节奏是"数月一次代际更新"，如果研发端本身被 AI 提速，这个节奏可能进一步加快，与之配套的评估、安全验证与算力排期压力也会同步放大。换句换说，Model 4 的意义不只是一次能力跳变，而是研发生产方式的换挡。
二、三天攻克 18 年悬案：Harness 立了大功
Aaronson-Ambainis 猜想属于量子计算领域的理论硬骨头，已经悬置 18 年。Anthropic 这次没有把问题简单地丢给模型问答，而是搭建了一套以内部 Claude 模型为核心的 Harness（智能体运行框架）系统：让智能体拆解问题、检索文献、构造证明、反复验证，最终在 3 天内完成攻克。更重要的是，定理与推论全部完成了 Lean 形式化——这意味着证明过程经过了机器可检验的符号验证，而不是停留在自然语言层面"看起来对"。
社区很快注意到，完成这一壮举的模型"可能是非公开版的 Claude Model 4"，这一推测同样未经官方证实，姑且听之。但无论具体型号如何，这条新闻真正展示的是 Harness 系统的价值：长程任务、多步骤验证、工具链协同。它与此前 DeepSeek 开源 Super-agent 架构、月之暗面推出 Kimi Hosted Agents 的动作叠加在一起，说明"智能体运行框架"正在成为比单次问答更核心的竞争层——模型是引擎，Harness 才是传动系统。
三、科研版图重写：38% 的工时与 16 倍的产出
Anthropic 同期发布的一份 35 页报告，把视角从量子猜想拉回到日常科研。团队分析了逾 20 万次 Claude 与 Claude Code 对话，并调查了 528 位学者，得出的结论是：AI 可以接手 27% 至 52% 的科研工时，中位数为 38%；在全自动推进非动手类任务时，部分学科的产出可提升 15 至 16 倍。这与 METR 调查中"约 80% 研发加速来自 AI 辅助"的表述互相印证——科研与研发，正在成为 AI 提效最深的两个场景。
更具象征意义的信号来自物理学界。菲尔兹奖得主、被称作物理学"教皇"的爱德华·威滕在一篇 33 页的独作论文中致谢 Claude Opus 5.5，并采纳了它提出的"边界塌缩映射"关键构造，用于构建非微扰手征费米子配分函数。一篇没有人类合作者署名的论文向 AI 致谢，在学术史上并不多见。与此同时，Anthropic 还为 Claude 上线了 Dreaming 机制：模型在闲置算力时段回放交互日志，在后台重组记忆、自我纠错并构建知识库，核心记忆还能晋升到后续会话——科研助手正在从"随叫随到"变成"持续在岗"。
四、冷水与边界：Jeff Dean 的「非共识」
就在行业为 RSI（递归自我改进）叙事兴奋之际，谷歌首席科学家 Jeff Dean 在斯坦福 HAI 与李飞飞的对谈中泼了一盆冷水。他认为，RSI 受训练、计算、评估等物理过程的限制，难以无限加速——模型再聪明，也要受制于 GPU 排期、数据清洗速度和评测基准的更新节奏。换言之，智能的爆炸式增长不存在于真空中，它终究要落在机房与流程里。
但 Dean 的"非共识"并不是否定，而是给出一条更工程化的路径：他的新公司 Discovery Loop 已经运行了约 20 个自动改进循环，目标是把领域专家的生产力提高 20 至 50 倍。一边是"1.9 倍提速、80% AI 辅助"的实测曲线，一边是"受物理限制、循环迭代"的冷静提醒——两幅图景拼在一起，才是当前 AI 研发自动化的真实进度：方向是确定的，斜率是存疑的，最终成败由工程细节决定。
五、资本与格局：500 亿估值、89% 与「最后 5%」
资本市场的动作同样迅速。据外媒报道，谷歌旗下 AI 制药公司 Isomorphic Labs 正在洽谈筹集约 50 亿美元新一轮融资，估值预计约 500 亿美元，交易尚未完成，其 AI 药物发现项目仍处于临床前阶段。科研端的每一次提速，都会很快被翻译成融资故事，这也解释了为什么头部实验室的一举一动都能撬动整条产业链的估值。
另一组数据则关乎竞争格局。Menlo Ventures 发布的《2026 年企业 AI 现状报告》显示，美国企业支付给开源模型的费用中，89% 流向中国模型，其中 Kimi 占 61%、DeepSeek 占 15%、GLM 占 11%；在 OpenRouter 平台上，中国大模型的 token 调用量已连续 27 周超过美国模型。MiniMax 创始人闫俊杰在首次英文播客采访中坦言，中美模型的差距已经走到"最后 5%"，而这 5% 可能比此前的 95% 更难追。与此同时，中国工信部 11 月 6 日发布了首个针对智能体设备的网络接入规则：预装 AI 智能体的手机、平板与可穿戴设备需通过适配和防诈测试，并具备唯一识别码——终端侧的智能体竞赛，从此有了明确的合规起跑线。
六、花边与趣闻：凌晨四点的机械臂与复兴的磁带
在无人值守工作系统 nil 中，Claude 曾在凌晨 4 点操控 UFactory xArm 7 机械臂作画，因缺少过渡色主动暂停，自行调配并验证颜料色阶，最终完成耗时 4.5 小时、303 次落笔的水彩画《秋之冠》。主人睡了，AI 自己解决了问题——这大概是"长程智能体"最直观的一次演示，也让人看到自主性带来的想象空间与监管难题。
冷数据存储也在悄悄翻身：生成式 AI 带来的海量归档需求推动磁带复兴，富士胶片投资约 100 亿日元扩建 LTO Ultrium 10 产能，LTO 联盟数据显示 2026 年第一季度全球磁带出货容量同比增长 57%。医疗端同样有新进展：Exin Therapeutics 让 GPT-6.1 Sol 连续参与三轮真实小鼠脑部手术定位，借助外科医生反馈逐轮改善，第三次搜索时间从 169 秒降至 86 秒，误差从 0.6 毫米收窄到 0.3 毫米——不过研究者也明确提醒，仅 3 次操作尚不足以证明其掌握了稳定的手术能力。
从 Model 4 的 178.6，到三天攻克的量子猜想，再到威滕论文里那句致谢，最近几天的新闻连起来读，讲的是同一件事：AI 正在从"被研发的对象"变成"研发本身的基础设施"。这条曲线最终能画多陡，或许要等 METR 的下一份调查、Harness 的下一次深夜攻关，才能给出答案。
暂无评论内容