Claude самостоятельно ведёт 26% внутренних R&D-задач Anthropic

Anthropic опубликовала три метрики для внешнего наблюдения за разработкой ИИ внутри лабораторий. Одна из них — прототип Anthropic R&D Automation Index. Индекс собирают из каталога всех видов R&D-работы в компании, оценки автоматизации каждой задачи и сведения оценок в одно число.

Для оценки используют шкалу Automation Level от Epoch AI, от AL0 (ИИ не участвует) до AL5 (полная автономия). На уровне AL3 ИИ «сотрудничает», на AL4 «лидирует»: берёт задачу из короткого запроса и выполняет её end-to-end, человек только присматривает. По данным на август 2026 года ни одна измеренная категория R&D не достигла AL5. Claude «лидирует» в 26% работ. Доля задач на уровне «сотрудничает» и выше: свыше 90%.

Как считали: за каждую неделю июля 2026 случайно отбирали 20% сотрудников R&D-подразделений, Claude-агент разбирал их работу по Slack и внутренним документам. Получилось около 15 000 задач и дерево из 542 узлов, из них 378 листовых. Уровень автоматизации присваивал отдельный Claude-судья. С людьми он совпал в 59% случаев, а в 97% случаев оценки расходились не более чем на один уровень.

Второе измерение касается надзора за агентами. На самой используемой внутренней платформе Anthropic одновременно работают около 30 000 агентов. Все их действия проходят через мониторы. Из более чем миллиарда решений за август 2026 онлайн-монитор заблокировал 0,002%, примерно одно из 47 000. Офлайн-монитор помечает около 100 000 транскриптов в неделю, до человека доходят порядка 50 самых приоритетных.

Третья метрика — распределение вычислительных ресурсов. За неделю с 13 по 20 июля 2026 года на safety-работу ушло около 6% вычислений, направленных на AI R&D, и около 12% вычислений, ушедших на AI-driven R&D.