Anthropic: Claude “dẫn dắt” 26% hoạt động R&D AI của mình với 30.000 tác nhân chạy song song

Anthropic đã công bố Chỉ số Tự động hóa R&D vào ngày 17 tháng 9 năm 2026 — một thước đo nguyên mẫu về mức độ mà Claude thực hiện hoạt động nghiên cứu và phát triển AI của chính công ty — và báo cáo rằng đến tháng 8, mô hình đã "dẫn dắt" 26% công việc đó, tăng từ dưới 1% vào tháng 2. Hơn 90% công việc được đo nằm ở mức "AI cộng tác" hoặc cao hơn, và khoảng 30.000 tác nhân đang chạy các nhiệm vụ nghiên cứu và kỹ thuật tại bất kỳ thời điểm nào trên nền tảng nội bộ được sử dụng nhiều nhất của Anthropic. Không có hệ thống nào bị xâm nhập và không bên thứ ba nào bị tổn hại: đây là một công bố về xu hướng năng lực bên trong một phòng thí nghiệm, và Anthropic nêu rõ rằng Claude không vận hành hoàn toàn tự chủ — cấp cao nhất của nó, AL5 — đối với bất kỳ tập con được đo lường nào của công việc. Bản ghi đầy đủ của kho lưu trữ về công bố này, cùng với xếp hạng và các nguồn được trích dẫn, nằm trong kho lưu trữ sự cố AI cùng với các mục quản trị khác trong loạt bài này.

Chỉ số thực sự đếm những gì

Chỉ số này mượn thang sáu cấp của Epoch AI. AL0 là "không có sự tham gia của AI", AL1 là "sự tham gia tối thiểu của AI" và AL2 là "AI hỗ trợ". AL3 là cấp mà Anthropic gọi là "cộng tác": mô hình "có thể làm những phần việc lớn dưới sự chỉ đạo sát sao của con người". AL4 là "dẫn dắt": nó "có thể hoàn thành phần lớn tác vụ từ đầu đến cuối chỉ từ một lời nhắc cấp cao, trong khi con người giám sát". AL5 — "AI vận hành hoàn toàn tự chủ, không có con người trong vòng lặp" — là điều mà cuộc thảo luận về tự cải thiện đệ quy rốt cuộc hướng đến, và trang của Anthropic gọi đó là "một cấp độ mà chúng ta chưa đạt tới."

Phép đo được xây dựng vào tháng 7 năm 2026. Anthropic lấy mẫu 20% nhân viên ở các phòng ban liên quan mỗi tuần, cho một tác nhân nghiên cứu Claude xem xét hồ sơ công việc của họ và tạo ra danh sách khoảng 15.000 nhiệm vụ, mà công ty đã tổ chức thành một cây đóng băng 542 nút với 378 nhiệm vụ lá. Các danh mục được đánh trọng số theo lượng thời gian công của con người mà chúng chiếm dụng. Bài tường thuật của InfoQ về ấn phẩm bổ sung một chi tiết quan trọng đối với bất kỳ ai có công việc bị lấy mẫu: tác nhân Claude đã đọc các tin nhắn Slack và tài liệu nội bộ để tái dựng những gì mọi người đã làm.

Hai điểm làm rõ sau đây rút ra từ phương pháp đó, và cả hai đều dễ bị bỏ lỡ dưới dòng tít. Con số 26% không phải là 26% của mọi tác vụ mà Anthropic ghi nhận; như heise đưa tin ngày 18 tháng 9, đó là tỷ lệ trong giỏ công việc có trọng số mà Anthropic đánh giá là đạt AL4. Và điều đó không có nghĩa là một phần tư hoạt động R&D của công ty vận hành mà không có con người — InfoQ nói rõ rằng con số này không có nghĩa là 26% R&D của Anthropic được tự động hóa hoàn toàn, cũng không có nghĩa là 26% các nhà nghiên cứu của công ty đã bị thay thế; mà có nghĩa là khoảng một phần tư công việc hiện đang ở giai đoạn mà con người đặt mục tiêu và giám sát trong khi Claude làm phần lớn công việc.

Việc so sánh với tháng Hai đến từ chú thích biểu đồ trên trang của Anthropic: “Claude hiện đảm nhận 26% nhiệm vụ R&D mô hình của Anthropic, tăng từ dưới 1% vào tháng 2 năm 2026.” Không có nội dung nào trên trang cung cấp chuỗi số liệu theo từng tháng, vì vậy xu hướng như được công bố chỉ gồm hai điểm, không phải một đường cong.

Giám khảo chính là mô hình đang được đánh giá.

Các điểm đánh giá không phải do một hội đồng độc lập đưa ra. Bài viết của Anthropic thừa nhận vấn đề cốt lõi: mô hình giám khảo "có thể mắc phải những loại lỗi giống như mô hình mà nó đang kiểm tra". Về mức đồng thuận tuyệt đối, mô hình và con người khớp nhau 59% số lần; hai người khớp nhau 35% số lần; và điểm đánh giá của mô hình với con người nằm trong khoảng cách một mức của nhau 97% số lần. Con số 35% giữa người với người là con số Anthropic dùng để lập luận rằng nhiệm vụ chấm điểm thực sự khó; nó không được đưa ra như một sự kiểm chứng giá trị của mô hình giám khảo.

Hai giới hạn nữa được nêu trên trang thay vì do các nhà phê bình phát hiện. Các trường hợp ranh giới giữa "collaborates" và "leads" vẫn còn tranh cãi, và đó chính xác là nơi con số 26% nằm. Và một bộ nhiệm vụ đóng băng có thể bỏ sót công việc chưa tồn tại khi bộ nhiệm vụ được đóng băng, mặc dù Anthropic nói rằng một so sánh vào tháng 1 năm 2026 cho thấy không có sự gia tăng các nhiệm vụ mới lạ.

Xét theo sự giám sát từ bên ngoài, trang này mô tả một kế hoạch chứ không phải một cuộc kiểm toán đã hoàn tất. “Chúng tôi dự định đưa các đánh giá viên độc lập bên thứ ba từ nhiều tổ chức vào làm việc tại Anthropic,” trang này viết — một sự sắp xếp ở thì tương lai, không phải một cuộc kiểm toán hiện tại. Kiểm tra bên ngoài duy nhất đã hoàn tất mà trang dẫn ra là việc METR đã độc lập red-team nền tảng giám sát ngoại tuyến của Anthropic. Trong báo cáo ngày 18 tháng 9 của heise, các lưu ý là của chính Anthropic; ấn phẩm Đức này không trích dẫn bất kỳ chuyên gia bên ngoài nào phản bác chỉ số. Các ấn phẩm độc lập đã tái tạo các con số chứ không xác minh chúng, và sự khác biệt đó là điều quan trọng nhất cần rút ra từ loạt bài đưa tin.

Ba mươi nghìn đặc vụ, và cuốn sổ cái theo dõi họ

Cùng với chỉ số tự động hoá, Anthropic đã tiết lộ quy mô của tập hợp tác nhân đằng sau chỉ số đó: “khoảng 30.000 tác nhân đang làm công việc nghiên cứu và kỹ thuật tại Anthropic tại bất kỳ thời điểm nào” trên nền tảng nội bộ được sử dụng nhiều nhất của mình. Hiểu một cách đơn giản, đó là số lượng đồng thời chứ không phải tổng số tác nhân riêng biệt trong một khoảng thời gian, và heise diễn đạt điều này thận trọng hơn là các tác nhân “hoạt động đồng thời vào một số thời điểm trong tháng 8”.

Các biện pháp kiểm soát mà Anthropic mô tả được thiết kế để làm cho tập hợp tác nhân đó có thể kiểm toán thay vì ẩn danh. Mỗi tác nhân có “một danh tính riêng”, và mọi dữ liệu nó tạo ra đều gắn với danh tính đó; danh tính này “không gắn với một mô hình, nó tồn tại qua các lần nâng cấp mô hình”, để “mọi hành động đều có thể được kiểm toán theo từng tác nhân xuyên thời gian” và “mọi bản ghi dữ liệu đều có thể được liên kết ngược về một tác nhân cụ thể”. Các tác nhân “giao tiếp thông qua một hệ thống nhắn tin dùng chung, mở, thay vì riêng tư”; mọi tin nhắn đều gắn với danh tính của tác nhân đã đăng nó, có thể liên kết tới nội dung khác để các tham chiếu gốc được giữ nguyên, và được tham chiếu chéo với bản ghi của tác nhân để việc giám sát có thể “duyệt qua giao tiếp giữa các tác nhân”.

Các con số giám sát là phần đọc như hồ sơ sự cố, mặc dù hồ sơ phân loại tiết lộ này là thông tin tham khảo. Mọi hành động đều đi qua hệ thống giám sát trực tuyến trước khi thực thi, thường trong vòng vài giây; mọi hành động đều được tiếp nhận ngoại tuyến sau khi được thực hiện; các hành động bị chặn được con người xem xét trong vòng một tuần. Trong hơn một tỷ quyết định trong tháng 8, 0,002% — “khoảng 1 trong 47.000” — đã bị chặn. Việc gắn cờ ngoại tuyến diễn ra với tỷ lệ khoảng một đến hai bản ghi trên mỗi nghìn, tức khoảng 100.000 bản ghi mỗi tuần, với khoảng 50 trường hợp ưu tiên cao được chuyển lên cho con người xử lý.

Tỷ lệ chặn không phải là tỷ lệ an toàn. Nó đo tần suất bộ giám sát dừng một hành động, chứ không phải có bao nhiêu hành động bị sai, và Anthropic báo cáo con số này bên cạnh chỉ số độ phủ — 100% hành động trực tuyến được kiểm tra trước khi thực thi — vốn mô tả phạm vi tiếp cận của bộ giám sát. Sự bất đối xứng tương tự cũng áp dụng cho việc phân bổ năng lực tính toán: trong tuần 13–20 tháng 7, "khoảng 6% năng lực tính toán dành cho R&D AI được phân bổ cho an toàn", tăng lên "khoảng 12% năng lực tính toán dành cho R&D AI do AI dẫn dắt". Anthropic gọi đây là "những ước tính cố ý thận trọng", được rút ra từ một mẫu khoảng 14% trong gần 10.000 lượt chạy huấn luyện và đánh giá nghiên cứu, được gia trọng theo hướng các lượt chạy có nhu cầu tính toán cao hơn, và lưu ý rằng tỷ trọng năng lực tính toán đo lường chi tiêu chứ không phải nỗ lực.

“recursive self-improvement” ở đây có nghĩa là gì?

Anthropic gắn chỉ số này với tự cải thiện đệ quy, mà bài luận đồng hành của nó định nghĩa là "một mô hình tự động hoàn toàn xây dựng phiên bản kế nhiệm của chính nó". Lập trường của bài luận rất rõ ràng: "Chúng ta chưa đạt tới đó, và tự cải thiện đệ quy không phải là điều tất yếu." Bài luận đặt một vòng lặp hoàn toàn khép kín vào một giai đoạn giả định được dán nhãn "Đóng vòng lặp" và ghi niên đại "20XX?", trong đó các tác nhân xây dựng và huấn luyện mô hình, và các hệ thống Claude tương lai cải thiện chính Claude. Theo bài luận, ngày nay con người vẫn cung cấp mục tiêu; điều đã thay đổi là "họ không còn cần cung cấp phương pháp nữa".

Bài luận cũng giải thích vì sao chỉ số này được hiểu là thước đo khoảng cách chứ không phải cột mốc. Công việc AL4 — Claude hoàn thành phần lớn một nhiệm vụ từ một lời nhắc tổng quát trong khi con người giám sát — là cấp độ mà 26% đề cập. AL5, quyền tự chủ hoàn toàn không có con người trong vòng lặp, là cấp độ mà Anthropic nói rằng mình chưa đạt tới. Khoảng cách giữa hai cấp độ này chính là chủ đề.

Điều gì được xác lập và điều gì được suy luận

Đã xác lập. Anthropic đã công bố các số đo này vào ngày 17 tháng 9 năm 2026, ngày mà bản ghi ghi nhận ở độ chính xác đến ngày. Trang chỉ mục trực tiếp không hiển thị ngày công bố riêng của chính nó và bài luận đi kèm có dấu "Cập nhật 9/18/2026". Các con số — 26%, dưới 1% vào tháng 2, trên 90% ở AL3 hoặc cao hơn, khoảng 30.000 tác nhân, 0,002% số quyết định bị chặn, 6% và 12% lượng tính toán — là của chính Anthropic, được nêu trên các trang của họ và được heise và InfoQ đăng lại trong vòng một ngày.

Đã được xác lập. Không có tập con đo lường được nào của công việc R&D AI đạt AL5, không có báo cáo về tổn hại nào đối với bất kỳ bên thứ ba nào, và trường tổn hại thực tế của hồ sơ là trống. Hồ sơ được chấm mức độ tin cậy A về tài liệu, không bị gắn cờ là đang tranh chấp, và có mức độ nghiêm trọng là "info", phản ánh rằng không có tổn hại nào được ghi nhận chứ không phải bất cứ điều gì về mức độ tài liệu được dẫn nguồn tốt đến đâu.

Chưa được xác lập. Việc Claude "dẫn dắt" 26% hoạt động R&D của Anthropic theo bất kỳ nghĩa nào độc lập với cách chính Anthropic chấm điểm là điều chưa được chứng minh. Phép đo do công ty tự thực hiện, giám khảo là một mô hình Claude, và các đánh giá viên bên ngoài mà trang mô tả mới chỉ được lên kế hoạch chứ chưa có trong thực tế. Mức đồng thuận chính xác 59% giữa giám khảo và con người là con số cần đặt cạnh tiêu đề chính.

Chưa được xác lập. Rằng xu hướng này tiếp diễn, hay rằng nó hướng tới tự cải thiện đệ quy. Anthropic không đưa ra khẳng định nào về cả hai điều đó, và một so sánh hai điểm giữa tháng Hai và tháng Tám không phải là dự báo. Tỷ lệ chặn cũng không chứng minh rằng số lượng tác nhân đang trong tầm kiểm soát; nó chứng minh rằng một hệ thống giám sát đã quan sát mọi hành động trực tuyến và chặn khoảng một trong 47.000.

Phán đoán, không phải đo lường. Rằng mức tăng từ dưới 1% lên 26% trong sáu tháng là một tốc độ nhanh. Không có gì trong bản công bố ấn định một ngưỡng mà tại đó tốc độ này trở thành vấn đề, và cách trình bày của Anthropic để việc phán đoán đó cho các bên thứ ba mà họ nói sẽ tích hợp.

Anthropic lập luận ủng hộ việc công bố thường xuyên các số liệu có thể so sánh được và việc xác minh độc lập, heise đưa tin — điều này cũng là cách diễn đạt rõ ràng nhất cho thấy chỉ số này vẫn chưa phải là gì. Cho đến khi các đánh giá viên bên ngoài được tham gia vào quy trình, con số 26% vẫn là một phòng thí nghiệm tự đo chính mình bằng dụng cụ của chính mình: cụ thể hơn một thông cáo báo chí, nhưng vẫn chưa phải là một cuộc kiểm toán.