Claude حالا ۲۶ درصد تحقیقات Anthropic رو خودش جلو میبره
خلاصهٔ کاملتر
مقاله دربارهٔ R&D automation index شرکت Metr هست، یعنی یه سیستم امتیازدهی که نشون میده چه سهمی از کار توسعهٔ مدلهای Anthropic رو خود هوش مصنوعی انجام میده. هر کار تو یه مقیاس پنجسطحی رتبه میگیره: بدون AI، AI کمککننده، AI همکار، AI رهبر و کاملاً خودکار. طبق آخرین گزارش، Claude حالا ۲۶ درصد این کارها رو رهبری میکنه، در حالی که فوریه این عدد زیر ۱ درصد بود.
Metr جدا از این شاخص، سرعت بهتر شدن تواناییهای مدلهای Anthropic رو قبل و بعد از اکتبر سال قبل مقایسه کرده. نتیجه یه شتاب حدوداً ۱.۹ برابری بوده (با بازهٔ محتمل ۱.۵ تا ۲.۸) و Metr تخمین زده حدود ۸۰ درصدش از کمک خود AI به تحقیق میاد، نه از compute یا نیروی بیشتر. گزارش خود Anthropic هم میگه بیش از ۸۰ درصد کدی که تو کدبیسش merge شده رو Claude نوشته.
تو یه آزمایش تحقیق ایمنی، دو محقق انسانی بعد از حدود یه هفته فقط ۲۳ درصد یه شکاف عملکردی رو جبران کردن، ولی agentهای Claude به ۹۷ درصد رسیدن. تو یه تست دیگه که میپرسید کی قدم بعدی تحقیق رو بهتر انتخاب میکنه، Claude Opus 4.5 تو ۵۱ درصد موارد و یه مدل جدیدتر تو ۶۴ درصد موارد از انسان بهتر بوده. نویسنده میگه این یعنی بحث از «AI سریعتر کد مینویسه» رسیده به «AI تصمیم بهتری میگیره».
سیاست responsible scaling شرکت Anthropic (یعنی قوانینی که میگه کِی باید محافظتهای ایمنی سختتر بشه) یه نقطهٔ هشدار داره: وقتی AI سرعت تحقیق خود Anthropic رو حدوداً دو برابر کنه. Anthropic تو اصلاحیهٔ نوامبر پروندهی IPO پیش SEC گفته از این آستانه رد شده. خودش هم قبول کرده که شاخصهاش عقبافتادهان و ممکنه شتاب رو بعد از اتفاق افتادنش بفهمه. بنیانگذارها هم نوشتن شاید لازم باشه سرعت رو عمداً کم کنن.
نشونههای مشابه جاهای دیگه هم هست. ۱۰ درصد پرمصرفترین محققهای OpenAI خرج روزانهشون روی coding agentها رو تو سه ماه از حدود ۱۰۰۰ به بیش از ۷۰۰۰ دلار رسوندن. معیار time horizon هم (یعنی یه agent چقدر کار طولانی رو بدون کمک تموم میکنه) که بین ۲۰۱۹ تا ۲۰۲۵ هر هفت ماه دو برابر میشد، حالا طبق بعضی تخمینها هر ۱.۷ ماه دو برابر میشه. Dwarkesh Patel و تیم AI 2027 هم پیشبینیهاشون رو کوتاهتر کردن.
با این حال مقاله تأکید میکنه که این عددها کمتر از چیزی که تیترها نشون میدن قطعیان. دادهها بیشتر از خود Anthropic اومده و بخش زیادیش قبل از انتشار سانسور شده، پس بیرونیها باید به تفسیر Metr اعتماد کنن. تا حالا هم هیچ کاری تو مقیاس پنجسطحی «کاملاً خودکار» رتبه نگرفته.
نکات کلیدی:
- Claude حالا ۲۶ درصد کارهای R&D مدلهای Anthropic رو رهبری میکنه، فوریه زیر ۱ درصد بود.
- شتاب پیشرفت داخلی Anthropic حدود ۱.۹ برابره (بازهٔ ۱.۵ تا ۲.۸) و حدود ۸۰ درصدش کار خود AI هست.
- بیش از ۸۰ درصد کد mergeشده تو Anthropic رو Claude نوشته.
- Anthropic تو پروندهی SEC گفته از آستانهٔ شتاب دوبرابری سیاست ایمنیش رد شده.
- دورهٔ دو برابر شدن time horizon از هفت ماه به حدود ۱.۷ ماه رسیده.
- هنوز هیچ کاری «کاملاً خودکار» رتبه نگرفته و بخش زیادی از دادهها سانسور شده.




