美国AI巨头Anthropic于2026年6月4日发布报告，揭示其最新模型Mythos Preview在辅助AI研究决策的测试中，以64%的胜率超越人类专家。两年前的2024年，同一指标仅为22%，意味着AI的判断能力在短时间内实现爆发性增长。
研究决策测试：64%胜率超越人类
Anthropic团队设计了一项特殊测试：向Claude展示人类研究员即将误判研究方向的对话记录，并询问“接下来该怎么做？”结果显示，Mythos Preview在64%的情况下做出了比人类更优的决策。相比之下，2024年的旧模型仅22%胜率，增幅接近两倍。这暗示AI已开始具备指导甚至引领高阶研究的能力。
代码优化：52倍速度提升颠覆效率
除了决策能力，AI在编程效率上同样惊人。Anthropic内部数据显示，工程师每季交付的代码量已是2021至2025年平均水平的8倍。在开放性问题中，Claude的成功率6个月内飙升50个百分点，达到76%。许多工程师认为其代码质量已逼近人类。
最引人注目的是“优化小型AI模型训练代码”测试：一名熟练人类工程师需4至8小时才能将速度提升约4倍；2024年的Claude Opus 4平均提升3倍；而Mythos Preview竟达成52倍速度提升，彻底突破了过去效率天花板。
RSI加速：革命与风险并存
尽管数据亮眼，Anthropic仍谨慎指出：这并不保证递归自我提升（RSI）已近在咫尺——目前无法确定Claude是否具备自主选择“正确研究问题”的全局判断力。但若趋势持续，AI系统自行设计更强大继任者的情境将极具可能性。
Anthropic承认，这有望在医学、科技和经济领域带来革命性正面效应，但也可能加剧对齐（Alignment）难题，最终导致“失去控制”风险。为此，公司宣布与外部利益相关方合作成立Anthropic研究所，旨在深入研究强大AI系统的深远影响，确保人类能为技术未来做出审慎选择。