Anthropic 衡量了代理自主性——並主張反對強制核准規定

2026年2月18日，Anthropic 的社會影響團隊發表了〈在實務中衡量 AI 代理自主性〉，分析透過其公開 API 進行的 998,481 次工具呼叫，以及 500,000 個互動式 Claude Code 工作階段，並在文末向立法者提出一項建議：監督規則不應規定特定的互動模式，包括要求人類核准代理採取的每一項行動。該文章是一份研究報告，並非正式申報文件，但被登錄於事件檔案中作為政策紀錄——嚴重性資訊、信心等級 A、無記錄傷害、無爭議——因為一家模型供應商利用自身的第一方遙測資料主張，一種常見的監管設計「會造成摩擦，卻未必產生安全效益」。完整紀錄及其主要來源與分類，收錄於Orca AI Incident Archive，與本系列其他治理條目並列。

這份報告列出二十位具名貢獻者，其中包括 Miles McCain、Thomas Millar、Saffron Huang、Alex Tamkin、Jack Clark 與 Deep Ganguli。報告採用 Anthropic 的隱私保護分析工具 Clio；文章指出，這項工具讓公司得以研究真實客戶流量，而無須閱讀底層對話內容。這套方法論正是文章的核心：下文每個數字所衡量的，都是人們實際用代理做了什麼，而非基準測試所稱代理能做到什麼。

Anthropic 測量了什麼，以及如何測量

Anthropic 將 agent 定義為「配備工具、能夠採取行動的 AI 系統」——執行程式碼、呼叫外部 API、與其他 agent 互傳訊息。這個定義界定了分析單位。該公司表示無法看見每位客戶的 agent 架構，因此與其試圖重建它，不如改為計算個別的工具呼叫及其周遭的上下文。

兩個資料來源在廣度與深度之間取捨。公開 API 流量讓 Anthropic 能觀察數千名客戶，但僅限於個別工具呼叫的層級；該公司表示，它「無法可靠地將獨立的 API 請求關聯成代理活動的『工作階段』」。Claude Code 提供完整的工作階段——是什麼觸發了停止、Claude 工作了多久、人類何時介入——但它是單一產品，且絕大多數用於軟體工程。自主性相關的發現主要來自 Claude Code；風險與領域相關的發現則來自 API 樣本。

回合持續時間，即 Claude 從開始工作到停止之間所經過的時間，是該論文用來衡量自主性的代理指標。Anthropic 明確表示這個代理指標並不完美：更快的模型與平行子代理會縮短回合，更具企圖心的任務會拉長回合，而且使用者基數在 2026 年 1 月到 2 月中旬之間大約翻了一倍，改變了樣本中的組成。

報告列入正式記錄的數字

這些是 Anthropic 公布的數字，並按報告的陳述方式呈現。

• 第 99.9 百分位的 Claude Code 回合幾乎翻倍，從 2025 年 9 月下旬的不到 25 分鐘，增加到 2026 年 1 月上旬的超過 45 分鐘。

• 中位回合維持在 45 秒左右，在 40 到 55 秒之間波動，而幾乎所有低於第 99 百分位的百分位數都保持穩定。

• 在 Anthropic 內部，Claude Code 於 2025 年 8 月至 12 月期間，在內部使用者最困難任務上的成功率翻了一倍，而每次工作階段平均的人工介入次數則從 5.4 次降至 3.3 次。

• 使用次數少於 50 次的新使用者，約有 20% 的工作階段採用了完全自動核准；到了 750 次工作階段時，這個比例上升到超過 40%。

• 中斷的情況則朝相反方向發展：使用約 10 次工作階段的用戶在 5% 的回合中中斷了 Claude，而經驗豐富的用戶則約為 9%。

• Claude Code 在最複雜的任務上請求澄清的頻率，是最低複雜度任務的兩倍以上；而在這些最困難的任務中，它停下來詢問的頻率，也是人類打斷它的兩倍以上。

• 在 API 樣本中，80% 的工具呼叫來自看似至少具備一項防護措施的代理，73% 看似有人員在迴路中監督，0.8% 看似不可逆，例如向客戶寄送電子郵件。

• 軟體工程佔了 API 工具呼叫的近 50%；其他領域都沒有超過幾個百分點。

Anthropic 稱之為「部署過剩」的這項發現

尾部（長尾）的上升在各模型版本之間是平穩的。「如果自主性純粹是模型能力的函數，我們會預期每次推出新版本時都出現陡峭的躍升，」該文章論稱，因此這種平穩性意味著信任隨著經驗累積、更困難的任務被嘗試，以及產品不斷改進。其結論是，現有模型「具備的自主性高於它們在實踐中實際行使的自主性」——報告將這一落差稱為部署過剩（deployment overhang）。

Anthropic 將這一點與外部能力測試相對照，引用 METR 的估計：Claude Opus 4.5 能以 50% 的成功率完成人類需花近五小時的任務，而它自身第 99.9 百分位的 Claude Code 回合約為 42 分鐘。隨後它又收回這項比較：METR 是在無人介入的理想化環境中衡量任務難度，而回合時長衡量的是部署環境中流逝的時間，其中 Claude 會暫停、使用者會打斷。一則腳註直言——「我們不試圖跨這些指標進行推理。」這種並置僅具說明性，並非經測量的倍數，不應被當作倍數引用。

論證核心的監督悖論

經驗豐富的使用者核准得較少，打斷得較多。Anthropic 將這組現象解讀為監督策略的轉變，而非放棄監督：新手會逐步核准，因此很少需要在 Claude 執行途中喊停；而經驗豐富的使用者則讓 Claude 自行運作，並在出問題時才介入。API 資料也指向同一方向——在最低複雜度的任務上，87% 的工具呼叫都有某種形式的人為參與，而在高複雜度任務上則為 67%。

報告坦承其他解釋仍然成立。其自身腳註指出，經驗豐富的使用者可能只是嘗試更困難的任務，Claude Code 的預設設定會促使新使用者傾向採用基於核准的監督方式，且軟體異常適合接受監督，因為輸出可以被測試與審查；在那些檢查代理工作所需專業知識與產出工作相同的領域，這種轉變「可能較慢，或呈現不同形式」。

政策論點，以及它要求的是什麼

Anthropic 的建議分為三類。模型與產品開發者應投入部署後監測，因為部署前評估無法看見人們實際如何與代理互動。模型開發者應訓練模型辨識自身的不確定性並將其呈現出來；報告稱這項特性「可補足人類審批流程與存取限制等外部防護措施」。產品開發者應以監督為設計核心——讓代理的所作所為可被看見，並提供簡單方式重新導引其行動。

寫給政策制定者的那一節，正是讓這份文件成為治理紀錄的關鍵。在「現在就強制規定特定互動模式還太早」這個標題下，Anthropic 寫道：「規定特定互動模式的監督要求，例如要求人類核准每一項動作，會造成摩擦，卻未必能帶來安全效益」，並指出重點應放在「人類是否處於能有效監控與介入的位置，而不是要求特定形式的參與」。

貿易報導完全採用了那套框架。《Inside AI Policy》2026年2月20日的報導，標題圍繞著Anthropic呼籲對監督強制令保持謹慎；《Inside Cybersecurity》於2月24日跟進，角度如出一轍。兩篇報導若無訂閱都無法讀到全文，且兩者都未檢視背後的數據。

哪些已獲佐證，哪些則沒有

這份出版內容及其主要數字已獲得佐證。GIGAZINE 於 2026 年 2 月 19 日、即發表後翌日報導該研究，並重述了 25 至 45 分鐘的尾段、20% 至 40% 的自動核准比例變動、5.4 至 3.3 的介入次數下降，以及 0.8% 的不可逆占比。Digital Watch Observatory 於 2026 年 2 月 20 日摘要該研究，Inside AI Policy 亦然。這些佐證針對的是 Anthropic 的說法，而非其是否屬實：沒有任何外部機構稽核過那 998,481 次經分類的工具呼叫，且 Anthropic 並未公開該資料集。

這種不對稱值得指出，但不宜誇大。廠商衡量自家產品，並得出合規負擔應落在監控上、而非逐項操作核准的結論，這個結論對其銷售的產品有利。Anthropic 自己在一個異常直白的限制章節中說明了大部分結構性限制。但只要原始資料仍保持私有，可重現性就不在它能修正的範圍內，而且沒有獨立機構查核過這些分類。

Anthropic 自身所陳述的限制

• 本分析涵蓋單一模型供應商。建構於其他模型上的代理程式可能呈現不同的採用模式與風險概況。

• 風險、自主性與人類參與程度的分類是由 Claude 產生的。Anthropic 表示，隱私限制使其無法人工檢視底層資料，因此其人類參與程度的估計值應視為上限。

• 以個別工具呼叫為單位進行取樣，會過度代表具有大量連續呼叫的部署情境，例如需要反覆編輯檔案的軟體工程工作流程。

• 這些分類無法區分正式生產環境中的操作與評估或紅隊測試。報告指出，幾個風險最高的集群「似乎是安全評估」，並認為許多看似資料外洩的情況其實是測試。

• API 下游的人工審查是看不見的，因此一個在工具呼叫層面看似自主的代理，可能其實有人在檢查它的輸出。

• 時間範圍是 2025 年底至 2026 年初，而最有力的發現來自 Claude Code，它壓倒性地是一款軟體工程產品。

之後有什麼改變？

檔案中沒有記錄任何損害、修復或爭議，而這是準確的描述：這是一項量測與一個論點，而非附帶補救措施的事件。Anthropic 表示，將隨時間擴大分析範圍，並呼籲跨產業合作，以兼顧隱私的方式將 API 請求連結成工作階段。文章也指出，像 Cowork 這類產品正讓代理更易於使用，預期這會把風險與自主性的前沿向外推進。在本文檢視的報導中，尚無監管機關採納、否決或正式回應這項反對逐次動作核准的建議。

耐久的重點比標題數字更為狹窄。Anthropic 反對強制逐步核准的論據，建立在一項測量之上；而按該公司自己的說法，目前只有擁有第一方工作階段資料的模型供應商才能進行這種測量——甚至 Anthropic 也表示，它無法將第三方 API 流量連結到工作階段中。在這套基礎設施存在之前，這項政策建議依賴的是單一公司的工具，套用於單一公司的客戶，且僅涵蓋一個冬季。這並不代表該發現有誤，而是使它成為供應商的測量結果，並且應被如此引用。