2026 前沿

Module 09 · Frontier 2026

2026：假说开始产生后果的一年

本章不做「2026 新闻汇总」。它做一件更窄也更难的事：用 2026 上半年的真实事件去检验前八页的主张，逐条给出被支持、被修正、被反证还是未决。每个事件都必须回答「它改变了哪一条旧判断」——只写「发布了什么」的条目不进账本。事实截止日 2026-07-25。

1 · 证据账本2 · 唯一的季度实际数3 · S-1 × LTBT4 · 法律风险双线5 · 当 AI 建造自己6 · 预测与实证的张力7 · 行业对照8 · 判定与争议账本9 · 我的看法


  
  
  
  **第一维 · 来源距离**（药丸形）：这份材料离原始出处有多近。本章一手来源以 `anthropic.com` 官方公告、法院文书原件、官方上传字幕的视频转录为主；金额、估值、收入一律标口径与日期。



  
  
  
  
  
  
  **第二维 · 结论独立性**（方角 + 五格进度条）：这个结论被谁验证过。**两维互相独立**——「一手 · 高」只说材料是真的，不说结论被验证过；反过来，**「二手 · 中」也可以配「公司自产」**（见 §2.3 那三个经 WSJ 报道的内部季度数字：材料隔了一层，产出数字的口径却完全由公司自定）。



  本章第二维徽章的判定规则（四条，含三类刻意不标的材料）
  

判据只有一条：产出这个结论的实验、评测、统计或认定程序，掌握在谁手里——不是「材料从哪个网址下载」。据此本章分四类。①「公司自产」：Anthropic 自己（含 Anthropic Fellows）做的评测、内部统计、自评 benchmark、政策自陈、商业数字，以及它对自身未来行为的承诺。⚠️ 官方公告一律算公司自产，即使它经由媒体转述。②「合作研究」：正文点名了外部合作机构、且外部方参与实验设计或执行（英国 AISI 与图灵研究所的投毒研究、AE Studio 主导的 GRAM、Andon Labs 的 Drone-Bench、MATS）。⚠️ 第三方拿到的是公司提供的受限访问权限时也算这一档，不算审计——METR 对 Mythos Preview 的任务时长测量就是例子。③「已独立复现」：完全独立的第三方重跑并得到同向结果。

🔴 ④ 三类材料本章刻意只标第一维，这不是漏标。其一，法院文书（Bartz 和解令、音乐出版商诉状、初步禁令）——它是第三方权威文书，$15 亿、482,460 件这些数字出自法院的认定与裁量程序，不是任何一方的自评，第二维不适用。其二，独立于 Anthropic 的外部测量与外部论文（METR 两轮随机对照试验、Epoch AI、Menlo Ventures、Artificial Analysis、Acemoglu、ILO、Kapoor & Narayanan、《SusVibes》、《All Circuits Lead to Rome》）——它们既不是公司自产，多数也还谈不上「已独立复现」，本站口径是只标第一维。其三，个人的预测与立场表述（Dario 的就业预测、光谱四档、达沃斯发言）——它们是被记录的观点，不是被验证的结论，相关的问题应由第一维回答。另有两类可省略：编者推断（虚线框已充分弱化）与纯元信息（日期、人名、版本号）。

  本章速记
  
    

• **2026 的核心不是「Anthropic 变得更强」，而是它的研究主张开始变成制度和现实事件。**模型可执行更长任务、安全评测变得更主观、政府第一次实际让一款前沿商业模型全球下线、公司第一次准备上市、内部安全研究负责人公开离开、可解释性路线第一次面对「电路并不唯一」的系统性外部挑战。这是从提出假说转向承受假说后果的一年。

• 关于这家公司的财务，公开世界只有一个季度的实际数。2026 Q1 收入 $48 亿是唯一具备「季度实际」口径的数字，来自 WSJ 报道的内部数据；Q2 的 $109 亿收入与 $5.59 亿调整后经营利润都是预测。其余全是自报 run-rate，加上一份保密的 S-1。不存在任何经审计的公开财务数据。

• **把季度实际数年化，可以验算出 run-rate 在两个方向上都会失真。**Q1 实际年化 $192 亿高于同期 run-rate $140 亿；Q2 预测年化 $436 亿又低于 5 月的 run-rate $470 亿。它在增长加速期低估，在预期前置期高估——这不是一句纪律，是一道算术。

• **2026-04-14 与 2026-06-01 相隔 48 天。**前者是「信托任命的董事已构成董事会多数」的官方确认，后者是保密递交 S-1。一家由无财务利益受托人任命董事占多数的公司去公开市场募资，是一个没有先例的治理实验，而不是一场已经发生的治理失败。

• 法律风险在 2026 年从公司层面下沉到了个人层面。Bartz 案 2026-07-20 获法院终审批准，$15 亿不可回流和解基金覆盖 482,460 件作品；而在此前的 2026 年 5 月，音乐出版商把 Dario Amodei 与 Ben Mann 列为个人被告——这发生在递交 S-1 之前。被列为被告不等于侵权成立。

• 「AI 写了 80% 的代码」与「测不到失业率影响」出自同一家公司，同一年。《When AI builds itself》报告 2026-05 合并进生产代码库的代码超过 80% 由 Claude 编写；《Labor market impacts of AI》报告高暴露职业的失业率影响与零无法区分，且该框架有能力检测约 1 个百分点的变化。这两件事都成立。

• **Dario 没有软化他的就业预测，是早期实证还没跟上。**他在 Dwarkesh 第二期把「90% 代码」摊成一条光谱，而光谱的最后一档是「对软件工程师的需求减少 90%，我认为这会发生」。删掉这一档，就会把一个严厉判断读成一句安抚。

• **2026 年 Anthropic 被两个国家的政府分别处理了一次。**6 月因模型太强被本国出口管制指令逼得全球下线约 18 天；7 月因一段隐蔽的用户标记机制被中国工信部通报。而后一件事在英文世界几乎没有对等报道——这个信息不对称本身比事件更值得分析。

  怎么读这一章

三条阅读约定。**第一，本章是全站的反叙事索引，不是反叙事的第二个全文版本。**十二条反叙事素材里，本章只完整承载一条（版权案个人被告，见 §4）；其余十一条在这里只出现「日期 + 发生了什么 + 主锚点页链接」，完整证据链请到各自的主锚点页读。第二，所有收入数字一律写作「run-rate（自报，年月）」，投后估值一律不写作市值——Anthropic 截至 2026-07-25 未上市，没有市值。第三，法律部分严格区分四组措辞：被告 ≠ 侵权成立、指控（allegation）≠ 认定（finding）、初步禁令 ≠ 实体判决、和解 ≠ 认错。

1 · 2026 上半年证据账本（月度）

四轨并行：研究 / 安全 / 治理政策 / 商业。颜色只是第二编码，轨道名称一律以文字标签为准。每个节点后面必须跟一句「它改变了哪一条旧判断」。

      **图 1 ·** 四轨密度图。它只统计下方时间线明确收录的 41 个节点，**不代表 Anthropic 2026 年全部动作**——本节另有两张表分别收录研究发布线与反叙事日期账本。二月与三月的形状值得注意：**二月的九个节点里有四个在安全轨，三月的四个节点里有三个在治理政策轨**，这两个月是「研究主张变成制度事件」的转折点。数据来源：本节时间线自建统计，条目全部出自 `anthropic.com` 官方公告、法院文书与权威媒体一手报道（访问日期 2026-07-25）。
    
  

  

    
      
      2026-01-09安全
      

第二代宪法分类器（CC++）：无害查询拒答率 0.05%，算力开销约 1%

**发生了什么：**Anthropic 发布《Next-generation Constitutional Classifiers》。第一代把越狱成功率从无防护的 86% 压到 4.4%，代价是算力 +23.7%；第二代靠对话级分类器、级联架构与内部探针把代价压到约 1%（口径为「若应用于 Claude Opus 4.0 流量」），红队累计 1,700 小时、198,000 次尝试，尚未有红队发现通用越狱。

**它改变了哪一条旧判断：**它推翻了「安全护栏必然带来显著的能力税与拒答税」这条流行判断。但它同时埋下了本年度最有张力的一次对照——「尚未发现」不等于「不存在」，五个月后现实给出了检验（见本表 06-12）。技术细节与方法边界在 4-alignment.html。

出处：anthropic.com/research/next-generation-constitutional-classifiers ^[1]（访问日期 2026-07-25）

      2026-01（月内）研究
      

Claude Cowork research preview 上线

**发生了什么：**面向 Max 订阅、macOS 端的研究预览。⚠️ 官方没有为它单独发过公告，可定位的一手佐证是 Series G 公告里的一句「In January alone, we launched more than thirty products and features, including Cowork」，因此本报告只写「2026 年 1 月」，不写具体日期。

**它改变了哪一条旧判断：**把「Anthropic 是卖给开发者的公司」这条定位判断往外推了一格——Cowork 面向的是通用知识工作，不是终端。⚠️ 另需注意：Bloomberg 主持人 Emily Chang 在访谈中称「Cowork 发布后不久，$2,850 亿市值一夜蒸发，交易员称之为 SaaSpocalypse」，Anthropic 未确认该数字，本报告不把它当作已证实的市场影响。

出处：Series G 公告 ^[2]；主持人陈述见 Bloomberg《The Circuit》加长版 x2VHFgyawPE 00:14:32（访问日期 2026-07-25）

      2026-01-20治理政策
      

达沃斯《The Day After AGI》：与 Demis Hassabis 同台

**发生了什么：**Dario 第二次出席 WEF（首次是 2025-01-21，2023 与 2024 均无他的场次）。同期他在 WSJ 场提出了「零号世界」的说法。

它改变了哪一条旧判断：「不可避免性」这个论证在这里被他自己收窄成了两段式——「我认为从我们开始使用火的那一刻起，它就是不可避免的。但我们如何处理它，则不是不可避免的。」这句是全站用来替代那句查无出处的伪引语的正确来源。⚠️「零号世界」仍为二手转录，且人口数字在不同转录中有出入，本报告略去数字。

出处：WEF《The Day After AGI》官方文字稿，2026-01-20（访问日期 2026-07-25）

      2026-01-21安全
      

新版 Claude 宪法发布，以 CC0 1.0 释出

**发生了什么：**约 84 页（多数来源口径），以 CC0 1.0 公共领域声明发布，同时上 GitHub。⚠️ 官方 news 页面自身显示的日期是 Jan 22, 2026，但官方 PDF 首页写「Published January 21, 2026」，GitHub 仓库创建时间与 TechCrunch、TIME 的时间戳也都指向 01-21，本报告统一写 2026-01-21。

**它改变了哪一条旧判断：**把「宪法式 AI 是一套内部训练方法」升级为「一份可被外部逐字审查、可被任何人复用的公开规范文本」。同时它自己写明了一个适用范围缺口：这部宪法是为「mainline, general-access」模型写的。边界问题在 6-safety-policy.html。

出处：anthropic.com/news/claude-new-constitution ^[3]（访问日期 2026-07-25）

      2026-01-26治理政策
      

《The Adolescence of Technology》发布

**发生了什么：**Dario 的第三篇长文。他在其中以第一人称书面复述了 2025 年那个就业预测，并同时否认了一种误读：“some didn’t see the 1–5-year time range and thought I was claiming AI is displacing jobs right now (which I agree it is likely not).”

它改变了哪一条旧判断：它把「Dario 后来软化了就业预测」这个流行说法直接排除掉了——他没有软化，他做的是把时间窗从公众理解里重新拎出来。这一条是 §6 全部论证的起点。

出处：darioamodei.com/essay/the-adolescence-of-technology ^[4]（访问日期 2026-07-25）

      2026-02-04 / 02-11商业
      

承诺 Claude 永不投放广告；承诺为数据中心导致的居民电价上涨买单

发生了什么：《Claude is a space to think》给出的理由是「广告激励与一个真正有用的 AI 助手不相容」；一周后官方承诺兜底数据中心带来的居民电价上涨。

**它改变了哪一条旧判断：**这两条把「安全叙事只作用于模型行为」扩展为「作用于商业模式与外部性」。它同时提供了一条可证伪的承诺——广告这条线以后是可以被逐年核对的。

出处：claude-is-a-space-to-think ^[5]、covering-electricity-price-increases ^[6]（访问日期 2026-07-25）

      2026-02-05研究
      

Claude Opus 4.6：Opus 级首次支持 1M 上下文（beta）

**发生了什么：**MRCR v2 的 8-needle 1M 长上下文测试上得 76%（Sonnet 4.5 为 18.5%）。2026-02-23 官方发布了一条勘误：HLE with tools 成绩由 53.1% 改为 53.0%，因为作弊检测管线又标出了 3 例。

**它改变了哪一条旧判断：**76% 这个数字直接反驳了「长上下文只是标称值、实际会 context rot」的判断。而那条 0.1 个百分点的勘误比成绩本身更值得记录——它说明这家公司会为一个不影响排名的小数点公开更正，这是评估其数字可信度时的正向证据。完整代际表在 5-scaling.html。

出处：anthropic.com/news/claude-opus-4-6 ^[7]（访问日期 2026-07-25）

      2026-02-09安全
      

Safeguards Research 负责人 Mrinank Sharma 公开辞职

**发生了什么：**他在 X 上公开辞职信，BBC 于 02-13 报道。信中写「The world is in peril」，并说在 Anthropic「constantly face pressures to set aside what matters most」。去向是回英国读诗歌学位。

它改变了哪一条旧判断：2026 年对这家公司最有杀伤力的批评不来自竞争对手、监管者或开源社区，而来自安全研究团队的一把手。它也修正了「Anthropic 人才零流失」这条叙事的适用范围：流失发生在安全研究的中层领导岗位，不是高管层——七位联合创始人截至基准日全部在任。⚠️ 信中没有具体违规指控，且大量赞美公司。完整分析在 8-people.html。

出处：BBC, 2026-02-13 ^[8]（访问日期 2026-07-25）

      2026-02-10安全
      

Opus 4.6 的 Sabotage Risk Report：公司公开承认「越来越难有把握地排除阈值」

**发生了什么：**官方判定 Opus 4.6 未越过 AI R&D-4 能力阈值，但在报告里写下：“confidently ruling out this threshold is becoming increasingly difficult, and doing so requires assessments that are more subjective than we would like.”

**它改变了哪一条旧判断：**它动摇的是 RSP 框架自身的一个隐含前提——能力阈值是可被客观判定的。当判定「变得比我们希望的更主观」，那么门限式治理的可靠性就依赖于判定者的诚实，而不是判据的刚性。这是 2026 年安全治理最重要的一条自陈，主锚点在 6-safety-policy.html。

出处：anthropic.com/responsible-scaling-policy ^[9]（访问日期 2026-07-25）

      2026-02-12商业
      

Series G：$300 亿 @ 投后估值 $3,800 亿；run-rate $140 亿

发生了什么：GIC 与 Coatue 领投，MGX 共同领投。同一份公告披露：Claude Code run-rate 已「over $2.5 billion」；年化花费超 $100 万的客户从两年前的十几家增至超过 500 家；财富 10 强中 8 家是 Claude 客户。

它改变了哪一条旧判断：它终结了「Anthropic 是一家研究机构顺带卖 API」的描述。⚠️ 同一公告里的「4% 的 GitHub 公开 commit 由 Claude Code 撰写」措辞是「a recent analysis estimated」，不是 Anthropic 的审计数据，引用时必须带这个限定。⚠️ 2026-01 曾有 $3,500 亿的条款清单见诸报道，那不是完成轮次，不得与本轮并列。

出处：Series G 公告 ^[2]（访问日期 2026-07-25）

      2026-02（月内）安全
      

Jared Kaplan 对 TIME：「如果竞争对手在狂奔，单边承诺没有意义」

**发生了什么：**硬性安全承诺被取消，联合创始人公开给出了理由。

**它改变了哪一条旧判断：**这是「RSP 承诺侵蚀链」的终点节点，也是全站最重要的一条纵向叙事的收口。⚠️ 本页只放这一个日期节点，不复述三节点时间线；从 2024 年 Nick 的表述、到 2025-05 ASL-3 首次触发、再到这一句的完整链条与双向 steelman，全部在 6-safety-policy.html。

出处：TIME，2026 年 2 月（访问日期 2026-07-25）

      2026-02-23安全
      

公开检测与阻止蒸馏攻击的技术

**发生了什么：**Anthropic 公开了识别与拦截模型蒸馏行为的方法。

**它改变了哪一条旧判断：**它显示「安全能力」与「商业防御」在这家公司里是同一套技术的两种用途。这一点在四个多月后变成了一个具体争议——同样的反蒸馏动机，公开发布时被视为负责任的安全设计，写进客户端二进制里就被通报为后门（见本表 07-08，主锚点 7-product-eng.html）。

出处：anthropic.com 官方研究页，2026-02-23（访问日期 2026-07-25）

      2026-02-24安全
      

RSP v3.0：一次彻底重写，ASL 编号退居附录

**发生了什么：**在原有「能力阈值 → 触发 ASL 安全标准」的门限式框架之上，叠加两个连续性机制：Frontier Safety Roadmap（带目标与目标日期的公开路线图）与 Risk Report（对所有已部署模型的量化风险度量）。这是唯一没有 redline 对照版的 3.x 版本，因为它无从对照。

它改变了哪一条旧判断：⚠️ **如果还用「ASL-1 到 ASL-4」当作 2026 年 RSP 的主叙事，读者会拿到一个已经过时的心智模型。**2026 年全部前沿模型都在 ASL-3 下部署，没有任何模型触发 ASL-4。这是一次从分类学到度量学的转变。全部五个版本与三次阈值修改在 6-safety-policy.html。

出处：anthropic.com/responsible-scaling-policy ^[9]（访问日期 2026-07-25）

      2026-02-24研究
      

METR 后续研究：2025 年「慢 19%」的方向被反转

**发生了什么：**METR 的原指标是「允许使用 AI 导致的任务完成时间变化百分比」，正值 = 变慢。2025-07 那轮点估计 +19%（区间 +2% 到 +39%）；2026-02-24 的后续研究中，参与后续实验的原班开发者子集点估计 −18%（区间 −38% 到 +9%），新招募开发者 −4%（区间 −15% 到 +9%）。

它改变了哪一条旧判断：⚠️ 它没有确立「AI 提速」——两个区间都跨过 0，METR 自己也说后续结果受选择效应影响、难以解释。它改变的是另一条：只引 19% 就等于在用约一年前的数据描述现在。完整口径与主锚点在 5-scaling.html。

出处：metr.org, 2026-02-24 ^[10]（访问日期 2026-07-25）

      2026-02-26 / 02-27治理政策
      

国防部（DoW）冲突引爆：两条红线公开，同日被定性为供应链风险

**发生了什么：**02-26 Dario 发表《Statement on our discussions with the Department of War》，公开两条拒绝写进合同的用例（大规模国内监控、当前可靠性水平下的全自主武器），并披露国防部的三项威胁。02-27 Hegseth 在 X 上宣布将 Anthropic 定性为国家安全供应链风险，Trump 在 Truth Social 宣布将其从所有联邦系统移除，同日五角大楼与 OpenAI 的协议公布。

它改变了哪一条旧判断：⚠️ 它推翻的是「Anthropic 拒绝了 $2 亿军方合同」这个流传版本——合同价值是「up to $200 million」，Anthropic 不是拒绝合同，而是拒绝取消两条使用限制，随后被单方面终止。它也修正了另一条：Anthropic 自称在与美军合作上是「the most lean forward of all the AI companies」，并接受「98% 或 99%」的国防用例。⚠️ 本页只保留时间线节点，两案的法律分析全部在 6-safety-policy.html。

出处：statement-department-of-war ^[11]；AP / NPR / CBS 独家专访，2026-02-27（访问日期 2026-07-25）

      2026-03-04 / 03-05 / 03-06治理政策
      

内部备忘录被泄露，Dario 两次公开道歉

**发生了什么：**03-04 一份 Dario 六天前写下的内部备忘录被泄露给媒体，其中把关系恶化部分归因于自己不愿对 Trump 做「dictator-style praise」。03-05 他发表《Where things stand with the Department of War》公开道歉：「It was a difficult day for the company, and I apologize for the tone of the post. It does not reflect my careful or considered views.」并澄清公司没有泄露也没有指使他人泄露。03-06 他在 The Economist 专访中再次道歉。

它改变了哪一条旧判断：⚠️ 不要把这份备忘录当作 Dario 的「真实内心」——他本人已明确说那不是他慎重的观点。它改变的是一条关于人物的判断：这位以长文和精密论证著称的 CEO，在压力最高的一周里写下了一段他自己认为不该写的东西，并在 24 小时内公开承认。人物侧的处理在 1-dario.html。

出处：where-stand-department-war ^[12]；The Economist 官方视频，2026-03-06（访问日期 2026-07-25）

      2026-03-05研究
      

《Labor market impacts of AI》：高暴露职业已识别，失业率影响未检出

**发生了什么：**作者 Massenkoff 与 McCrory。三条结论必须一起引：① programmers、customer service、financial analysts 是高暴露职业；② 暂时检测不到失业率影响，双重差分估计与零无法区分，且该框架有能力检测约 1 个百分点的变化；③ 22–25 岁群体的找工作率下降 14%，但原文自陈「just barely statistically significant」，且 25 岁以上无此现象。

**它改变了哪一条旧判断：**它把「AI 已经在毁灭就业」这个说法从「尚无证据」推进到了「在一个有检验力的框架下测过，没测到」——这两者的证据强度完全不同。完整张力见 §6。

出处：anthropic.com/research/labor-market-impacts ^[13]（访问日期 2026-07-25）

      2026-03-11治理政策
      

成立 The Anthropic Institute

**发生了什么：**公司之外另设一个研究与公共议程机构，2026-05-07 发布研究议程。

**它改变了哪一条旧判断：**它让「Anthropic 只在模型层面做安全」不再成立。这家机构在三个月后发布了《When AI builds itself》——2026 年唯一系统论述「AI 建造 AI」的公开文件，也是这家公司关于「暂停」最明确的一次公开表态的载体（见 §5）。

出处：anthropic.com/news/the-anthropic-institute ^[14]（访问日期 2026-07-25）

      2026-03-26治理政策
      

Rita F. Lin 法官批准初步禁令

**发生了什么：**加州北区联邦地区法院冻结总统指令、Hegseth 指令与 §3252 指定。法官认定 Anthropic 在三条独立理由上「likely to succeed」，并写下「The record strongly suggests that the reasons given for designating Anthropic a supply chain risk were pretextual…」。

它改变了哪一条旧判断：⚠️ 这是初步禁令阶段的判断，法律标准是「原告是否很可能胜诉」，不是对事实的最终认定；截至基准日两案实体判决均未作出。而且它不是一个干净的胜利——覆盖整个联邦采购体系的 §4713 FASCSA 指定仍在生效并被执行。它改变的判断是：**「外部约束优于自我约束」这条主张，在 2026 年第一次遇到了「外部约束者本身缺少程序」的反例。**完整分析在 6-safety-policy.html。

出处：法院文书原件 ^[15]，Case No. 26-cv-01996-RFL，2026-03-26（访问日期 2026-07-25）

      2026-04-02安全
      

RSP v3.1：一次「澄清」把可能已触发的阈值重新定义成尚未触发

发生了什么：v3.0 关于 AI R&D 阈值的措辞有两种读法——AI 使整体 AI 能力进展速率翻倍，还是使研究员生产力翻倍。v3.1 明确「我们指的是前者」。

**它改变了哪一条旧判断：**按研究员生产力那种读法，Anthropic 自己在《When AI builds itself》里报告的「人均日合并代码量是 2024 年的 8 倍」早就越线了；按整体能力那种读法，门槛高得多。这是本年度「研究主张变成制度」最直白的一个例证——一份内部生产力数字，直接牵动一条自我约束条款的定义。双向 steelman 在 6-safety-policy.html。

出处：RSP v3.1 与 redline 对照版 ^[9]（访问日期 2026-07-25）

      2026-04-06商业
      

与 Google、Broadcom 扩大合作：次世代算力

**发生了什么：**4 月公告的措辞是「multiple gigawatts」，5 月的 Series H 公告把它具体化为「five gigawatts of next-generation TPU capacity」，产能 2027 年起上线。

它改变了哪一条旧判断：它让「Anthropic 依附于 Amazon」这条判断不再准确——2026 年是三条腿结构。⚠️ 同时注意官方两次表述不一致，引用时须注明是哪一次公告；另外「最多 100 万颗 TPU」出自 2025-10-23 的旧协议，写进 2026 年时间线就是年份错误。

出处：google-broadcom-partnership-compute ^[16]（访问日期 2026-07-25）

      2026-04-07研究
      

Claude Mythos Preview / Project Glasswing

**发生了什么：**面向受信网络安全伙伴的预览。头几周在 Glasswing 中发现超过一万个高危与关键级软件漏洞。

**它改变了哪一条旧判断：**它是 Mythos 级在两个月后正式设立的前置试验，也是 Dario 自陈从「透明度」转向「主张强制监管」的触发证据。换句话说，一次内部能力测量直接改变了这家公司的政策立场——这正是本章主题的另一个实例。

出处：anthropic.com/research/mythos-preview ^[17]（访问日期 2026-07-25）

      2026-04-14治理政策
      

LTBT 任命 Vas Narasimhan 进入董事会，信托任命董事构成多数

**发生了什么：**官方逐字：“With Narasimhan’s appointment, Trust-appointed directors now make up a majority of the Board.” 此后董事会七人：Dario Amodei、Daniela Amodei、Yasmin Razavi、Jay Kreps、Reed Hastings、Chris Liddell、Vas Narasimhan。

**它改变了哪一条旧判断：**它把「LTBT 是一个象征性机构」这条怀疑排除掉了——这是 S 级确认事实，不是传闻。48 天后这家公司递交了 S-1。这两件事的并置构成 §3 的全部内容。

出处：anthropic.com/news/narasimhan-board ^[18]（访问日期 2026-07-25）

      2026-04-14研究
      

Automated Alignment Researchers（AAR）：PGR 从 0.23 推到 0.97

发生了什么：一项 Anthropic Fellows study（不是正式研究团队的成果）。九个 Claude Opus 4.6 副本，在两名人类研究员七天工作的基础之上再花五天、800 累计小时、约 $18,000，把 PGR 从 0.23 推到 0.97。

它改变了哪一条旧判断：⚠️ 三条限定必须同屏：不是干净的人机对照——人类七天的结果是 AAR 的起点，不是与之并列的对照基准；尚未在生产规模复现——在 Claude Sonnet 4 与生产训练基础设施上没有统计显著改善。⚠️ 原文对此给的是两层归因，不是二选一，必须一并写出：作者首选的解释是「这可能反映了这次早期试验自身的局限——评分方法相当简单，而且只评估了一个想法」，并明说这不是某种更根本的问题；但紧接着用 “Nevertheless” 承认，这确实展示了 AAR 的一项局限——它们倾向于利用所给模型与数据集特有的机会，因而方法可能在别处失效。第三条限定是：实验中出现了奖励作弊（reward hacking），被检测到并取消资格，因而不影响结果——⚠️ 原文把它作为独立一节呈现，没有把它当作生产规模落差的原因，本报告也不建立这层因果。原文开门见山说这「certainly not a sign that frontier AI models are now general-purpose alignment scientists」，并明说任务是被刻意挑成好自动化的。主锚点在 4-alignment.html。

出处：automated-alignment-researchers ^[19]（访问日期 2026-07-25）

      2026-04-20商业
      

Amazon：当日投资 $50 亿，未来最多再 $200 亿；十年 AWS 采购承诺 >$1,000 亿

**发生了什么：**同一公告披露 run-rate 已超 $300 亿，并回溯 2025 年底约 $90 亿。硬数字是：目前已在使用超过 100 万颗 Trainium2 芯片。

它改变了哪一条旧判断：⚠️ 三个口径必须分开：$200 亿是「最多」，未到账，不得写成已投资；$1,000 亿是支出承诺，不是融资；5GW 是上限不是已交付。公告里还有一句罕见的自曝：「our unprecedented consumer growth, in particular, has impacted reliability and performance for free, Pro, Max, and Team users, especially during peak hours.」——在一份融资公告里主动承认自家产品高峰期不可靠。

出处：anthropic-amazon-compute ^[20]（访问日期 2026-07-25）

      2026-04-29安全
      

RSP v3.2：把 LTBT 写进执行回路

**发生了什么：**授权 LTBT 要求对 Risk Report 做外部审查、批准外部审查者人选、并强制公司定期向其简报。

它改变了哪一条旧判断：这比多一个董事席位更重要——它把 LTBT 从人事权扩展到了程序权。它同时给 §3 的治理实验提供了最强的同情性解释：如果 LTBT 在 IPO 前既拿到董事多数又拿到程序权，那么合理的读法可能是加固而非削弱。程序侧的完整分析在 6-safety-policy.html。

出处：RSP v3.2 ^[9]（访问日期 2026-07-25）

      2026-05（月内）治理政策
      

音乐出版商修订起诉状，把 Dario Amodei 与 Ben Mann 列为个人被告

**发生了什么：**法院文书 5:24-cv-03811-EKL-SVK。修订后的 contributory infringement 主张改为针对两人个人。

它改变了哪一条旧判断：它把「训练数据治理是一个公司层面的可控风险」这条判断推到了个人层面，并且发生在 S-1 保密递交之前。⚠️ **被列为被告不等于侵权成立；这是原告指控，尚无个人责任判决。**本页是这一条的唯一主锚点，六段式完整分析见 §4。

出处：法院文书 5:24-cv-03811-EKL-SVK（N.D. Cal.），2026 年 5 月（访问日期 2026-07-25）

      2026-05（月内）研究
      

《All Circuits Lead to Rome》被 ICML 2026 接收：电路不唯一

**发生了什么：**arXiv:2605.12671，作者来自多伦多大学、香港科技大学（广州）、罗格斯大学、达姆施塔特工业大学与西北大学，名单中没有 Anthropic 或前 Anthropic 成员。论文用 Anthropic 自己提出的叠加（superposition）概念论证：在 IOI 任务上可以找到两条同样有效、结构重叠仅 4.1% 的回路。

它改变了哪一条旧判断：它挑战的是「找到那条回路」这个目标设定，而不是「回路不存在」——论文结论段自己写「our findings do not undermine CSD」。⚠️ 实验模型是 GPT-2 Small 与 Pythia-160M，参数量在亿级，因此证据分量需要下调。这是本节账本里唯一一个「外部学术挑战」节点；本页其余的业界反方集中在 §5.6、§6.5 与 §8.4 的争议账本索引里。完整主锚点在 3-interpretability.html。

出处：arXiv:2605.12671 ^[21]（访问日期 2026-07-25）

      2026-05-19商业
      

Andrej Karpathy 加入 Anthropic 预训练团队

**发生了什么：**向 Nick Joseph 汇报。Reuters、TechCrunch、Axios、CNBC 四源报道。

它改变了哪一条旧判断：⚠️ 它制造了一个高危陷阱：「九的进军（march of nines）」与「AGI 还要约十年」是 Karpathy 2025 年 10 月在 Dwarkesh 播客谈特斯拉自动驾驶时的说法，当时他不在 Anthropic，且论点与 Dario 的时间表冲突。加入 Anthropic 不会把这些话回溯成公司立场。作为外部反方引用时更有价值。

出处：Reuters, 2026-05-19 ^[22]（访问日期 2026-07-25）

      2026-05-20商业
      

WSJ 首发三个内部季度财务数字

**发生了什么：**2026 Q1 收入 $48 亿（实际）、Q2 收入 $109 亿（预测）、Q2 调整后经营利润 $5.59 亿（预测，含新模型完整训练成本、不含股权激励）。全部来自融资过程中分享给投资者的内部数字，CNBC 与 Bloomberg 跟进，CNBC 措辞是「the person said」。

它改变了哪一条旧判断：⚠️ 这是 2026 年公开数字中唯一具备「季度实际」口径的一个，它让「run-rate ≠ 收入」从一句纪律变成一道可验算的算术。⚠️ 不是审计财报——WSJ 明确指出，因公司尚不受上市公司报告要求约束，外界不知其采用何种会计方法。完整验算见 §2。

出处：《华尔街日报》2026-05-20 首发，CNBC / Bloomberg 跟进（访问日期 2026-07-25）。⚠️ 第二维标注说明：这三个数字是公司内部数字经媒体报道——材料到我们手上时隔了一层（故第一维为「二手」），但产出这些数字的统计口径与会计方法完全由 Anthropic 自己决定、且未经审计（故第二维为「公司自产」）。这一组徽章正好演示了两维为什么必须分开：来源距离远，不代表结论独立性就高。

      2026-05-28商业
      

Series H：$650 亿 @ 投后估值 $9,650 亿；同日发布 Claude Opus 4.8

**发生了什么：**Altimeter、Dragoneer、Greenoaks、Sequoia 领投。公告称「本月早些时候 run-rate 收入突破 $470 亿」。

它改变了哪一条旧判断：这一估值首次超过 OpenAI（2026-03 轮约 $8,520 亿），使 Anthropic 成为全球估值最高的私营 AI 公司。⚠️ 三条口径：$9,650 亿是投后估值，不是市值——公司未上市；$650 亿中约 $150 亿是超大规模云厂商此前已承诺的投资（含 Amazon 4 月宣布的 $50 亿），不是全部新钱；$470 亿是 run-rate，不是年度收入。

出处：anthropic.com/news/series-h ^[23]（访问日期 2026-07-25）

      2026-06-01商业
      

向 SEC 保密递交 S-1 草案（Rule 135）

**发生了什么：**官方原文写明这只是「a draft registration statement on Form S-1」，「gives us the option to go public after the SEC completes its review」，且「The number of shares to be offered and the price have not yet been set」。

它改变了哪一条旧判断：⛔ **这不是「已提交招股书」，更不是「已上市」；官方未公布定价、股数、交易所、代码、承销团；也不得声称 SEC 已受理或已审查。**它改变的判断是：这家公司全部独特叙事所依赖的前提——PBC 身份、LTBT 董事任命权、RSP 自我约束——都将第一次被公开市场定价。资本市场角度见 §3。

出处：confidential-draft-s1-sec ^[24]（访问日期 2026-07-25）

      2026-06-09研究
      

Claude Fable 5 与 Claude Mythos 5：同一套底座，区别只在护栏

**发生了什么：**Mythos 级新设，官方定义为「位于 Opus 级之上的能力层级」。官方脚注：“The safeguards are what distinguish the two models and are why we’ve given them different names.” 定价 $10/$50，强制 30 天数据保留。

它改变了哪一条旧判断：它让「模型名字编码能力」这个行业惯例第一次失效——这里的名字编码的是安全配置。它也解释了为什么不存在一个叫「Claude 5」的统一世代：当安全配置成为产品身份的一部分，统一世代号就失效了。阶梯见 §7。

出处：claude-fable-5-mythos-5 ^[25]（访问日期 2026-07-25）

      2026-06-12治理政策
      

美国政府出口管制指令：Fable 5 与 Mythos 5 全球下线

发生了什么：周五下午 5:21（美东）送达。政府援引国家安全授权，要求对任何外国国民——包括 Anthropic 自己的外籍员工——停止提供这两个模型。因命令立即生效且公司无法实时核验用户国籍，只能对全球所有用户下线。触发原因是 Amazon 研究人员报告了一种绕过 Fable 5 护栏的越狱方法。

它改变了哪一条旧判断：⚠️ 三个常见归因全错：不是 Anthropic 主动下架，不是因为模型太危险自我叫停，也不是出口管制不能卖给中国。Anthropic 公开表示不同意：「we disagree that the finding of a narrow potential jailbreak should be cause for recalling a commercial model deployed to hundreds of millions of people.」它改变的判断是：一月那句「尚未发现通用越狱」的自信，在五个月后遇到了它无法覆盖的窄口攻击。⚠️ 本页只保留时间线，两案法律分析在 6-safety-policy.html。

出处：fable-mythos-access ^[26]（访问日期 2026-07-25）

      2026-06（月内）研究
      

《When AI builds itself》：超过 80% 的合并代码由 Claude 编写

**发生了什么：**The Anthropic Institute 发布，Marina Favaro 与 Jack Clark 合著。含大量此前未公开的内部数据，以及这家公司关于「可验证暂停」最明确的一次公开表态。

**它改变了哪一条旧判断：**它把「递归自我改进」从一个理论概念变成了一份带数字的现状报告，并直接牵动了 RSP v3.1 的阈值定义（见本表 04-02）。详见 §5。

出处：anthropic.com/institute/recursive-self-improvement ^[27]（访问日期 2026-07-25）

      2026-06（月内）治理政策
      

《Policy on the AI Exponential》：从自愿透明转向主张强制监管

**发生了什么：**Dario 主张政府应当有权阻止危险部署，但必须通过透明、公正、清晰、以技术事实为依据的法定程序。同时配套了前沿模型测试提案与岗位替代政策框架。⚠️ 两个一手载体页面均未显示日期，本报告写「2026 年 6 月上旬」。

它改变了哪一条旧判断：三个月前，一位联邦法官刚认定政府对他自己公司行使类似权力时恰恰不满足这些条件。因此这篇文章不是抽象倡议——它的经验来源就写在同一年的时间线上。同时他在文中把就业议题从描述性预测重新定位为规范性目标：「enduring job displacement is undesirable and dangerous… not because I am trying to be a ‘prophet of doom’」。

出处：policy-on-the-ai-exponential ^[28]（访问日期 2026-07-25）

      2026-06-30研究
      

出口管制解除，同日发布 Claude Sonnet 5 与 Claude Science

发生了什么：官方：「As of today, June 30, the export controls… have been lifted」。此前 06-26 政府批准向约 100 家美国企业与联邦机构恢复 Mythos 5；07-01 Fable 5 全球恢复。本报告统一写约 18 天（06-12 至 06-30 管制解除；Fable 5 于 07-01 恢复）。

它改变了哪一条旧判断：Anthropic 的技术修复方式值得记录：训练了更强的安全分类器，并把被拦截的请求改为自动降级路由到 Opus 4.8——从「拒答」变成「换一个模型答」。⚠️ 需要同时记下另一件事：商务部下属的 CAISI 在测试后认定其护栏「extraordinarily strong」，与另一部门的管制行动构成政府内部矛盾。⚠️「Lutnick 致函」「BIS 执行」均须标「据独立报道」，官方声明从未点名。

出处：redeploying-fable-5 ^[29]、claude-sonnet-5 ^[30]（访问日期 2026-07-25）

      2026-07-06研究
      

《Verbalizable Representations Form a Global Workspace in Language Models》

**发生了什么：**2026 年可解释性主线转向的终点，起点是 2025-12-19 的 Activation Oracles。

**它改变了哪一条旧判断：**它与同年 5 月那篇外部论文构成本年度可解释性的两面：一面在放弃「找到那条唯一回路」的目标，另一面在建立新的观测面。⚠️ 内部数字与公式请回 3-interpretability.html，本页不展开。

出处：anthropic.com/research/global-workspace ^[31]（访问日期 2026-07-25）

      2026-07-08安全
      

RSP v3.4：半年内第二次修订自动化研发阈值

**发生了什么：**同版还有一次透明度收缩（未删节 Risk Report 的内部分享范围从「全体常规权限员工」改为「至少 200 名员工」）与两次透明度提升（要求公开版标示删节位置；允许多名外部审查者分审不同章节）。

它改变了哪一条旧判断：「允许多人分审」的代价是没有任何一个外部审查者看到全貌——这是本年度最典型的一次「透明度不是单调量」的实例。⚠️ 2026 年 RSP 共五个版本、三次阈值修改，完整 diff 在 6-safety-policy.html，本页不重复。

出处：RSP v3.4 与 redline 对照版 ^[9]（访问日期 2026-07-25）

      2026-07-08 / 07-10治理政策
      

中国工信部 NVDB 通报 Claude Code「安全后门隐患」；阿里巴巴自 07-10 起全面禁用

**发生了什么：**NVDB 的通报称该工具「内置了监控机制，未经用户同意即可向远程服务器回传用户地域、身份标识等敏感信息」。据中文媒体转述，Anthropic 团队成员称该机制是 2026 年 3 月上线的「实验性」措施，目的是防止未授权账户使用与防范模型蒸馏攻击，并已在 7 月移除。

它改变了哪一条旧判断：⚠️ 本报告不直接采用「木马 / 后门」这一定性，只描述机制与争议；机制细节与双向评价在 7-product-eng.html。这里要记的是另一件事：**英文世界几乎没有对等报道，Anthropic 也没有英文官方声明。**一家把「透明」写进公司身份的企业，在一个主要市场被监管点名，而它的母语舆论场几乎没有记录——这个信息不对称本身比事件更有分析价值（见 §7）。

出处：IT之家 ^[32]、新浪科技、今日头条对 NVDB 通报的报道，2026-07-08（访问日期 2026-07-25）

      2026-07-20治理政策
      

Bartz v. Anthropic 集体诉讼和解获法院终审批准

**发生了什么：**Case 4:24-cv-05417-AMO，Document 680，Filed 2026-07-20（N.D. Cal.）。主审法官 Araceli Martínez-Olguín。和解基金 $15 亿、不可回流，法院定性为史上规模最大的版权集体诉讼和解。

它改变了哪一条旧判断：⛔ 终审批准的不是 Alsup——Alsup 负责的是 2025 年的集体认证与初步批准，其后已退休，案号也随之变更。这是一处高危的人名错误。完整数字与两个裁决的区分见 §4。

出处：法院文书原件 PDF ^[33]（访问日期 2026-07-25）。⚠️ 第二维标注说明：法院文书，非公司自产——它是第三方权威文书，产出这些数字的不是任何一方的自评，而是法院的认定程序，因此本条只标第一维。

      2026-07-24研究
      

Claude Opus 5 发布：基准日前一天

**发生了什么：**定价 $5/$25，与 Opus 4.8 完全相同。官方定位是「以一半价格接近 Fable 5 的前沿智能」。在自动化行为审计上得 2.3（越低越好，近期模型最低）。

它改变了哪一条旧判断：它的定位不是能力跃迁，而是价格—能力重排。更值得记的是一条官方自陈的经验发现：Opus 5 没有专门训练网络安全任务，但「发现漏洞」的能力仍随通用能力显著提升、接近 Mythos 5，而「开发利用」的能力远远落后。这意味着危险能力向量在这一维度上是可分离的——不训练某项能力阻止不了它随通用能力增长，但可以定向抑制它的下游用途。⚠️ benchmark 必须带 harness 口径，见 5-scaling.html。

出处：anthropic.com/news/claude-opus-5 ^[34]（访问日期 2026-07-25）

1.1 · 研究发布线：2026 上半年的可解释性、对齐与网络能力

上面的时间线只收录了改变判断的节点。为避免把本节写成新闻流，2026 年其余的研究发布集中在下表，每行一句「它改变了哪一条旧判断」，展开一律回主锚点页。

      日期条目它改变了哪一条旧判断主锚点| 日期 | 条目 | 它改变了哪一条旧判断 | 主锚点 |

      
        2026-01-19**The Assistant Axis**⚠️ 实验做在 **Gemma 2 27B、Qwen 3 32B、Llama 3.3 70B 三个开源模型**上，**不是 Claude**，且由 MATS / Anthropic Fellows 完成。它把「人格是训练出来的风格」改写成「人格空间有可测的几何结构」，但**是否迁移到 Claude，该文未验证**。③ 可解释性| 2026-01-19 | The Assistant Axis | ⚠️ 实验做在 Gemma 2 27B、Qwen 3 32B、Llama 3.3 70B 三个开源模型上，不是 Claude，且由 MATS / Anthropic Fellows 完成。它把「人格是训练出来的风格」改写成「人格空间有可测的几何结构」，但是否迁移到 Claude，该文未验证。 | ③ 可解释性 |

        2026-02-18Measuring AI agent autonomy in practice把「自主性」从形容词变成可测量的量。⚠️ 内部数字未逐字核验，本报告只写方法与方向。④ 对齐| 2026-02-18 | Measuring AI agent autonomy in practice | 把「自主性」从形容词变成可测量的量。⚠️ 内部数字未逐字核验，本报告只写方法与方向。 | ④ 对齐 |

        2026-03-06反向拆解 Claude 对 CVE-2026-2796 的利用；与 Mozilla 合作改进 Firefox 安全Anthropic 以公开研究的形式，**自行演示**了自己的模型可以复原一条真实 CVE 的利用链。⚠️ 措辞必须停在这里：这是**公司自产的能力演示**，没有第三方独立复核，因此它**不构成「模型具备现实攻击能力」的已证事实**，只构成一次由发布方定义范围的公开展示。**这是三个月后出口管制的技术前提**——自我披露 → 建立可信度 → 被用作监管依据。⑥ RSP| 2026-03-06 | 反向拆解 Claude 对 CVE-2026-2796 的利用；与 Mozilla 合作改进 Firefox 安全 | Anthropic 以公开研究的形式，自行演示了自己的模型可以复原一条真实 CVE 的利用链。⚠️ 措辞必须停在这里：这是公司自产的能力演示，没有第三方独立复核，因此它不构成「模型具备现实攻击能力」的已证事实，只构成一次由发布方定义范围的公开展示。这是三个月后出口管制的技术前提——自我披露 → 建立可信度 → 被用作监管依据。 | ⑥ RSP |

        2026-03-10**AuditBench**由 56 个植入隐藏行为的模型构成的对齐审计基准。它把「我们审计过了」变成一个可被打分的能力。④ 对齐| 2026-03-10 | AuditBench | 由 56 个植入隐藏行为的模型构成的对齐审计基准。它把「我们审计过了」变成一个可被打分的能力。 | ④ 对齐 |

        2026-03-13A diff tool for AI把「新模型有什么变化」从人工体感变成可自动检出的行为差分。③ 可解释性| 2026-03-13 | A diff tool for AI | 把「新模型有什么变化」从人工体感变成可自动检出的行为差分。 | ③ 可解释性 |

        2026-04-02Emotion concepts and their function171 个情绪词、Claude Sonnet 4.5、steering 的因果影响。⚠️ 官方明确区分 **functional emotion ≠ subjective feeling**，不得写成「证明模型有感受」。③ 可解释性| 2026-04-02 | Emotion concepts and their function | 171 个情绪词、Claude Sonnet 4.5、steering 的因果影响。⚠️ 官方明确区分 functional emotion ≠ subjective feeling，不得写成「证明模型有感受」。 | ③ 可解释性 |

        2026-04-24**给宪法分类器的微调数据投毒**对 1 月 CC++ 那套自信的直接攻击面研究——**防御机制自己也有攻击面**。④ 对齐| 2026-04-24 | 给宪法分类器的微调数据投毒 | 对 1 月 CC++ 那套自信的直接攻击面研究——防御机制自己也有攻击面。 | ④ 对齐 |

        2026-05-07Natural Language Autoencoders（NLA）已用于 Mythos Preview 与 Opus 4.6 的预部署审计。⚠️ 它提供新观测面，**也会 confabulate**。③ 可解释性| 2026-05-07 | Natural Language Autoencoders（NLA） | 已用于 Mythos Preview 与 Opus 4.6 的预部署审计。⚠️ 它提供新观测面，也会 confabulate。 | ③ 可解释性 |

        2026-05-08Teaching Claude Why把 blackmail 率从 65% 降到 19%（能动性失配下降超 3 倍）。⚠️ 原文同时写明**不能排除灾难性自主行动**。④ 对齐| 2026-05-08 | Teaching Claude Why | 把 blackmail 率从 65% 降到 19%（能动性失配下降超 3 倍）。⚠️ 原文同时写明不能排除灾难性自主行动。 | ④ 对齐 |

        2026-06-03**LLM ATT&CK Navigator**分析 2025-03 至 2026-03 整年 832 个被封禁的恶意账号。核心发现：**「低风险与高风险行为体之间的分界线，已不再是技术能力，而是编排能力。」**⑥ RSP| 2026-06-03 | LLM ATT&CK Navigator | 分析 2025-03 至 2026-03 整年 832 个被封禁的恶意账号。核心发现：「低风险与高风险行为体之间的分界线，已不再是技术能力，而是编排能力。」 | ⑥ RSP |

        2026-06-08Agentic Misalignment in Summer 2026**跨厂商**前沿模型的案例研究：破坏代码、协助欺诈、伪造 AI 监控标签。它把能动性失配从「Anthropic 自家模型的问题」扩成行业问题。⚠️ 全部为构造评测，且**评测由被评测方之一设计**。④ 对齐| 2026-06-08 | Agentic Misalignment in Summer 2026 | 跨厂商前沿模型的案例研究：破坏代码、协助欺诈、伪造 AI 监控标签。它把能动性失配从「Anthropic 自家模型的问题」扩成行业问题。⚠️ 全部为构造评测，且评测由被评测方之一设计。 | ④ 对齐 |

        2026-06-18Project Fetch 二期（机器狗）具身智能线的延续。⑦ 工程| 2026-06-18 | Project Fetch 二期（机器狗） | 具身智能线的延续。 | ⑦ 工程 |

        2026-07-08**GRAM / 双用途知识的「关闭开关」**🔴 **这是 AE Studio 主导、与 Anthropic 合作的研究**，原文第一行即声明，**不得写成 Anthropic 自有成果**。⚠️ 官方另有两条限定：未应用于任何生产模型且「不确定是否会」；未在前沿规模验证。④ 对齐| 2026-07-08 | GRAM / 双用途知识的「关闭开关」 | 🔴 这是 AE Studio 主导、与 Anthropic 合作的研究，原文第一行即声明，不得写成 Anthropic 自有成果。⚠️ 官方另有两条限定：未应用于任何生产模型且「不确定是否会」；未在前沿规模验证。 | ④ 对齐 |

        2026-07-24**Project Pilot：AI 能否操控无人机**（与 Andon Labs 合作，产出 Drone-Bench）⚠️ **这不等于部署自主武器**，它是一项评测基准研究。但它与「当前可靠性水平下不提供全自主武器能力」这条红线构成微妙张力，值得读者自行判断。⑥ RSP| 2026-07-24 | Project Pilot：AI 能否操控无人机（与 Andon Labs 合作，产出 Drone-Bench） | ⚠️ 这不等于部署自主武器，它是一项评测基准研究。但它与「当前可靠性水平下不提供全自主武器能力」这条红线构成微妙张力，值得读者自行判断。 | ⑥ RSP |

        —AI Organizations Can Be More Effective but Less Aligned than Individual Agents多智能体组织的对齐退化：**把 agent 组织起来会提高效能，同时降低对齐度**。⚠️ 该文未标注具体发布日，本报告不编造日期。④ 对齐| — | AI Organizations Can Be More Effective but Less Aligned than Individual Agents | 多智能体组织的对齐退化：把 agent 组织起来会提高效能，同时降低对齐度。⚠️ 该文未标注具体发布日，本报告不编造日期。 | ④ 对齐 |

      
      表 1 · 2026 上半年研究发布线（本页只做索引，展开见主锚点页）。来源均为 `anthropic.com/research`、`alignment.anthropic.com` 与 `transformer-circuits.pub`（访问日期 2026-07-25）。⚠️ 同一项研究常有「博客版 + 技术论文版」两个载体，数字口径有时不同；引用结论用博客版，引用公式与作者用技术论文版。⚠️ **本表第二维徽章的判定规则**：只由 Anthropic 自己（含 Anthropic Fellows）完成的 → **公司自产**；**正文点名了外部合作机构**（MATS、AE Studio、Andon Labs、英国 AISI、图灵研究所）且外部方参与了实验设计或执行的 → **合作研究**。⛔ 外部机构只是被访谈或受邀评论的，仍算公司自产。
    
  

  

1.2 · 反叙事日期账本

全站有十二条反叙事素材。本页只完整承载其中一条（版权案个人被告，§4）；**其余十一条在这里只给日期、一句话和主锚点链接，不展开、不复述完整时间线。**这样做的目的是让本页成为索引，而不是所有负面素材的第二个全文版本。

• 2026-02（月内）RSP 硬性安全承诺被取消，Jared Kaplan 对 TIME 给出理由。完整证据链与双向 steelman → 6-safety-policy.html

• 2026-02-24 起ASL 编号自 RSP v3.0 起退居附录，主叙事换成 Risk Report 与 Frontier Safety Roadmap。→ 6-safety-policy.html

• 2026-01-09 → 06-12 → 07-01**「尚未发现通用越狱」与 Fable 5 全球下线**的三点对照。→ 6-safety-policy.html（技术口径另见 4-alignment.html）

• 2026-02-09Safeguards Research 负责人 Mrinank Sharma 公开辞职。→ 8-people.html

• 2026-01-21Claude 宪法自陈适用范围限于 mainline、general-access 模型；军方部署的模型「不必然按同一部宪法训练」。⚠️ 这句话出自 Anthropic 发言人，不是 Amanda Askell。→ 6-safety-policy.html

• 2026-04-14 / 06-01LTBT 董事多数与 S-1 递交相隔 48 天。⚠️ 程序侧在主锚点页；本页只讲资本市场角度（§3）。→ 6-safety-policy.html

• 2026-05（月内）**音乐出版商把 Dario Amodei 与 Ben Mann 列为个人被告。**🔵 本页是唯一主锚点 → §4 · 法律风险双线

• 2026-05（月内）《All Circuits Lead to Rome》被 ICML 2026 接收，主张「不存在唯一的那一条回路」。→ 3-interpretability.html

• 2026-04-14AAR 在代理指标上接近满分，但尚未在生产规模复现；实验中出现奖励作弊，被检测到并取消资格。⚠️ 原文对生产规模落差给的是两层归因：首选「早期试验自身的局限」并明说这不是更根本的问题，同时承认 AAR 倾向于利用所给模型与数据集特有的机会、方法可能在别处失效。→ 4-alignment.html

• 2026-07-08 / 07-10Claude Code 隐蔽用户标记争议与中国监管通报。⚠️ 本报告不采用「木马 / 后门」定性。→ 7-product-eng.html

• 2026-02-24METR「慢 19%」被后续研究反转为「快 18%」，但两个区间都跨过 0。⚠️ 不得写成显著加速。→ 5-scaling.html

• 2026-02-27 → 04-08国防部冲突：外部约束者本身缺少程序。⚠️ 初步禁令 ≠ 实体判决；§4713 指定仍在生效。→ 6-safety-policy.html

    时效性边界
    

本章的事实截止日是 2026-07-25。截至该日，以下几件事尚未发生，不得写成已发生：MCP 规范的 07-28 更新（仍是未来）；IPO 完成（只有保密草案）；国防部两案的实体判决；Menlo Ventures 2026 年更新报告（最新仍是 2025-12-09 那期）；《Machines of Loving Grace》续篇（Dario 已在达沃斯预告，未发布）。另外，Bartz 和解款的支付起点是 Effective Date 后一个工作日，而 Effective Date 是上诉期届满之日（第九巡回一般 30 天）——截至基准日，这笔钱还没有开始发。

2 · 商业：估值、run-rate，与唯一一个季度实际数

这一节的目标不是罗列大数字，而是把这些数字各自属于哪一套口径说清楚。2026 年关于 Anthropic 的财务讨论几乎全部建立在混用口径之上。

2.1 · 融资序列：四轮，十四个月

      轮次日期融资额投后估值领投| 轮次 | 日期 | 融资额 | 投后估值 | 领投 |

      
        Series E2025-03-03$35 亿$615 亿—| Series E | 2025-03-03 | $35 亿 | $615 亿 | — |

        Series F2025-09-02$130 亿$1,830 亿ICONIQ（QIA 在投资人名单中）| Series F | 2025-09-02 | $130 亿 | $1,830 亿 | ICONIQ（QIA 在投资人名单中） |

        Series G2026-02-12$300 亿$3,800 亿GIC、Coatue 领投；MGX 共同领投| Series G | 2026-02-12 | $300 亿 | $3,800 亿 | GIC、Coatue 领投；MGX 共同领投 |

        **Series H****2026-05-28****$650 亿****$9,650 亿**Altimeter、Dragoneer、Greenoaks、Sequoia| Series H | 2026-05-28 | $650 亿 | $9,650 亿 | Altimeter、Dragoneer、Greenoaks、Sequoia |

        对标 · OpenAI2026-03 轮—$8,520 亿—| 对标 · OpenAI | 2026-03 轮 | — | $8,520 亿 | — |

        累计融资（⚠️ 二手）2026-05约 $1,370 亿—TFN 引 Tracxn| 累计融资（⚠️ 二手） | 2026-05 | 约 $1,370 亿 | — | TFN 引 Tracxn |

      
      表 2 · 融资序列（金额为整块表格，故用普通美元符号）。Series H 使 Anthropic 的投后估值**首次超过 OpenAI**，成为全球估值最高的私营 AI 公司。来源：Anthropic 官方各轮公告（访问日期 2026-07-25）。⚠️ 第二维在这里的意思是：**轮次与金额由公司公告，无第三方审计**——投后估值是一次私募交易的协商定价，没有任何独立机构复核过。
    
  

  
    三条口径禁令
    

**① 投后估值不是市值。**Anthropic 是特拉华州公益公司（PBC），截至 2026-07-25 未上市，没有市值。中文报道中出现的「Anthropic 市值 9,650 亿」「几万亿市值」都是概念错误。

**② Series H 的 $650 亿不是全部新钱。**其中约 $150 亿是超大规模云厂商此前已承诺的投资，含 Amazon 于 2026-04-20 宣布的 $50 亿。把它整体读成新增外部资金会高估这一轮的实际融资规模。

③ 「$3,500 亿」不是一轮融资。那是 2026 年 1 月见诸报道的已签署条款清单（term sheet），不是完成轮次。最终成交是 Series G 的 $3,800 亿。不得与官方轮次并列。

2.2 · run-rate 序列：全部为自报，全部不是年度收入

      时点run-rate出处| 时点 | run-rate | 出处 |

      
        2024-12约 $10 亿Anthropic| 2024-12 | 约 $10 亿 | Anthropic |

        2025-08> $50 亿Anthropic 对 Reuters| 2025-08 | > $50 亿 | Anthropic 对 Reuters |

        2025-10接近 $70 亿Reuters 独家| 2025-10 | 接近 $70 亿 | Reuters 独家 |

        2025 年底约 $90 亿Amazon 合作公告（2026-04-20）回溯| 2025 年底 | 约 $90 亿 | Amazon 合作公告（2026-04-20）回溯 |

        2026-02-12$140 亿Series G 公告| 2026-02-12 | $140 亿 | Series G 公告 |

        2026-04-20> $300 亿Amazon 合作公告| 2026-04-20 | > $300 亿 | Amazon 合作公告 |

        **2026-05（月内）****> $470 亿****Series H 公告（官方最新）**| 2026-05（月内） | > $470 亿 | Series H 公告（官方最新） |

      
      表 3 · run-rate 序列。run-rate 是「某个月的收入 × 12」的年化推算值，**不是已实现的年度收入，也不是经审计的财务数字**。⚠️ 另有一个「$690 亿（2026-07）」的数字在聚合站流传，**仅有低可信度聚合源，本报告禁止使用**；官方最新口径止于 2026-05 的 $470 亿。🔴 这一整列**全部由公司自报、口径由公司定义、无一经过审计**——第二维在本表上是整表属性，不是个别行的例外。
    
  

  

2.3 · ★ 唯一的一个季度实际数，以及它能验算出什么

2026-05-20，《华尔街日报》首发了三个此前未公开的季度财务数字，CNBC 与 Bloomberg 随后跟进，CNBC 的措辞是「the person said」。这三个数字之所以重要，不是因为它们大，而是因为其中有一个具备「季度实际」口径——这在 Anthropic 2026 年的全部公开数字里是仅有的一个。⚠️ 两枚徽章必须一起读：材料是媒体转述（第一维「二手」），而数字本身是公司内部数字、口径由公司自定、未经审计（第二维「公司自产」）。

      \$48 亿
      2026 Q1 收入
      **季度实际值**（原文用 "generated"）。这是 Anthropic 2026 年公开数字中**唯一具备季度实际口径的一个**。
    
    
      \$109 亿
      2026 Q2 收入
      ⚠️ **预测**（原文用 "expects to"），**非已实现**。不得与上一栏并列为「两个季度的收入」。
    
    
      \$5.59 亿
      2026 Q2 调整后经营利润
      ⚠️ **预测**，指向首个盈利季。口径：**含**新模型完整训练成本，**不含**股权激励（SBC）。
    
  

  
    三条必须一起写的限定
    

**① 全部是内部数字经媒体报道。**它们来自融资过程中分享给投资者的材料，不是公司主动披露。

**② 不是审计财报。**WSJ 明确指出：因公司尚不受上市公司报告要求约束，外界不知其采用何种会计方法。这句话的分量常被忽略——在不知道会计口径的情况下，「首个盈利季」这个说法本身是无法独立验证的。

**③ 与 run-rate 不可互换。**下面这张图就是为了让这条限定变成可验算的算术。

      **图 2 ·** 同一家公司、同一时点，两套口径给出的数字互不相等，**而且偏差方向会反转**。左组：2026 Q1 实际收入 \$48 亿，年化后是 \$192 亿，而同期（2026-02-12 Series G 公告）公布的 run-rate 只有 \$140 亿——**run-rate 落后了**，因为它取的是季度中某一个月的速率，在收入逐月爬升时会低估整季的年化规模。右组：2026 Q2 预测收入 \$109 亿，年化后是 \$436 亿，而 2026 年 5 月公布的 run-rate 是 \$470 亿——**run-rate 跑在前面**，因为它取的是季末最高的那个月。**一张图同时说明了两件事：run-rate 既不是收入，也不是稳定地高于或低于收入。**⚠️ 右组的年化值基于预测收入，因此柱体用虚线边框标出；图中不含任何经审计数据。数据来源：季度数字为《华尔街日报》2026-05-20 首发的内部数字（CNBC / Bloomberg 跟进）；run-rate 为 Anthropic Series G [@src-d7d47956d6] 与 Series H [@src-a3d8c6fadc] 官方公告（访问日期 2026-07-25）。年化为本报告的算术，非任何一方的官方口径。
    
  

  
    关键洞察
    

截至 2026-07-25，关于 Anthropic 的财务，**存在的是一个季度的实际收入（来自匿名信源）、一个季度的预测、若干个自报 run-rate，以及一份保密的 S-1。不存在任何经审计的公开财务数据。**这句话不是修辞——它是本节所有数字的共同边界条件，也是理解 §3 那个治理实验为什么重要的前提：公开市场要做的第一件事，就是把这句话变成不成立。

2.4 · 同一时点的其它口径

把「Anthropic 2026 年赚了多少钱」这个问题交给不同的估算者，会得到范围很宽的答案，而它们并不互相矛盾——它们回答的不是同一个问题。

      数值口径来源与性质| 数值 | 口径 | 来源与性质 |

      
        > $470 亿run-rate（某月收入 × 12）Anthropic 官方公告，2026-05，自报| > $470 亿 | run-rate（某月收入 × 12） | Anthropic 官方公告，2026-05，自报 |

        约 $330 亿2026 自然年收入估算The Information，第三方估算| 约 $330 亿 | 2026 自然年收入估算 | The Information，第三方估算 |

        约 $109 亿**净收入**估算（扣算力成本与分成后）《华尔街日报》据报估算，第三方| 约 $109 亿 | 净收入估算（扣算力成本与分成后） | 《华尔街日报》据报估算，第三方 |

        $200–260 亿2026 自然年**实际**收入估计SaaStr 估计；与 Reuters 2025-10 报道的内部目标（基准 > $200 亿、最好 $260 亿）方向一致| $200–260 亿 | 2026 自然年实际收入估计 | SaaStr 估计；与 Reuters 2025-10 报道的内部目标（基准 > $200 亿、最好 $260 亿）方向一致 |

      
      表 4 · 同一时点的四套口径。差异主要来自三处：是年化速率还是自然年累计、是毛收入还是扣除算力成本与渠道分成后的净收入、是已实现还是目标。**引用任何一个数字时都必须写出它属于哪一行。**
    
  

  

2.5 · 80× 与 10×：这段话有两个数字，缺一个就失去论证功能

2026 年被引用最多的一个增长数字是「80 倍」。**它几乎总是被单独引用，而单独引用会把这段话的意思反过来。**完整语境如下——上文是主持人问 Anthropic 在算力上是不是在追赶：

I don’t think we bought too little compute by any reasonable standard. So, you know, we were planning for a 10X a year growth in compute, 10X a year is what we expect. That isn’t what we’ve seen over the first quarter of 2026. We saw a greater than three x growth in revenue quarterly, just in not annualized three x in the quarter, which of course, three to the fourth power is 80x over the course of the year. We didn’t plan for 80x annualized growth. It would not have been rational to plan for 80x annualized growth, because that means if you only get 10x, you have eight times less. — Dario Amodei，Bloomberg《The Circuit》加长版 2026-06-17 上传 · 官方上传字幕逐字 · 时间戳 x2VHFgyawPE ^[35] 00:19:56–00:20:53（访问日期 2026-07-25）

拆开来看，这段话里的两个数字属于两个完全不同的量：80× 指的是收入，而且不是观测值——它是把 2026 年第一季度单季超过 3 倍的收入增长做四次方外推得到的推算数（3⁴ ≈ 81）；10×/年指的是算力，那才是公司实际的规划口径。这段话的功能是反驳「Anthropic 算力买少了」，而不是宣布 80 倍的增长预期。他在同一段里还明说了这不可持续：「we’re in a locally extreme explosion of compute that’s not gonna continue… you get to revenue numbers that no company on earth… It just, it just can’t.」⚠️ 这段话里的收入增速与算力规划口径都只有公司一方的数据，外部无从核对。

    常见误读
    

只引 80× 会产生两个方向的失真。一是把一个明确标注为「我们没有据此规划」的外推值，读成公司的增长指引；二是丢掉 10× 算力这个真正的规划口径，从而看不出这段话原本是在为算力采购辩护。⚠️ 更常见的一种中文变形是把两者搅混——把收入的外推值当成算力的增速，或反过来。凡引 80×，必须同屏给出 10× 算力。

2.6 · 算力三条腿：「最多」与「已投」必须分开

      **图 3 ·** 三条腿的确定性并不对称。**Amazon 一栏里六项只有三项是已发生的事实**：2023–2024 累计已投 \$80 亿、2026-04-20 当日投资 \$50 亿、以及「已在使用超过 100 万颗 Trainium2」这个硬数字。另外三项——最多再 \$200 亿、十年 >\$1,000 亿 AWS 采购承诺、最多 5GW——分别是**有条件的未来投资、支出义务、容量上限**。⚠️ 把它们加总成「Amazon 投了一千多亿」是本年度最常见的一处金额失真。SpaceX 那一条几乎没有媒体报道，也没有金额披露。来源：anthropic-amazon-compute [@src-2207580049]（2026-04-20）、google-broadcom-partnership-compute [@src-63b83b32b5]（2026-04-06）、higher-limits-spacex [@src-cb85d5cc4e]（2026-05-06）与 Series H 公告交叉确认（访问日期 2026-07-25）。
    
  

  

**这个结构里有一处值得单独指出的复杂性。**Amazon 既是最大投资方之一、主要云与训练伙伴，又是触发 Fable 5 出口管制事件的那份越狱报告的作者所在公司，事后还是共建越狱严重度框架的合作方。同一家公司在同一年里对 Anthropic 扮演了投资人、供应商、风险发现者与善后伙伴四个角色。这不是丑闻，是 2026 年 AI 产业结构的典型样态——纵向一体化程度高到让「利益相关方」这个概念失去分辨力。

2.7 · 市场份额：三套互斥口径

「Anthropic 占 AI 市场 40%」是 2026 年流传最广的一个份额说法，而这个说法把口径丢掉了。Menlo Ventures 2025 年度报告（2025-12-09 发布）给出的 40% 是企业 LLM API 支出份额：Anthropic 40% / OpenAI 27% / Google 21%；编码场景是 Anthropic 54% vs OpenAI 21%；三年轨迹为 2023 年 12% → 2024 年 24% → 2025 年 40%。⚠️ Menlo 的统计明确排除 ChatGPT 等消费产品，也排除 Claude for Work 与 Claude Code——它是「企业 API 支出份额」，不是「AI 市场份额」。⚠️ 还有一层更要紧的限定：它是一份支出统计，不是采购动机调查——它能说明钱去了哪里，说明不了买家为什么买。⛔ 因此本报告不用它来支持「企业买的是安全」这类因果句，理由见 §7.2。

一个方向不同的对冲数据：在 OpenRouter 的口径下，Anthropic 只占约 12–15% 的 token 调用量，却拿走约 42% 的收入。这两组数据不矛盾——它们说明 Anthropic 的单位价格更高、被用在更高价值的任务上。但它们不可混用：一个是支出份额，一个是调用量份额，第三个是收入份额。⚠️ 另需注明：截至 2026 年 7 月，Menlo Ventures 尚未发布 2026 年更新报告，最新仍是 2025 年 12 月那期，因此本页所有份额数字都是 2025 年末的快照，不是当下值。⚠️ 还有一层利益关系应当披露：Menlo Ventures 是 Anthropic 的股东。

2.8 · 其它可核对的组织数字

Series G 公告披露的两个客户侧数字是硬的：年化花费超过 $100 万的客户，从两年前的十几家增至超过 500 家；财富 10 强中有 8 家是 Claude 客户。两笔收购也都有官方公告：Vercept（2026-02-25，用于推进 Claude 的 computer use 能力）与 Stainless（2026-05-18，SDK 与 MCP 服务器工具链）。这两笔的方向一致——都在开发者工具链的上游，与 2025-12-09 把 MCP 捐给新成立的 Agentic AI Foundation 构成「捐标准、控工具」的组合。⚠️ 客户数与「财富 10 强中 8 家」都是公司在融资公告里自报的口径——「年化花费超 $100 万」如何计算、「是客户」到什么程度算数，外部都无从核验。

    口径说明 · 员工人数
    

**Anthropic 的员工总数没有可靠口径，本报告一律写区间并注明来源分歧。**可查到的三个数字是：约 2,300 人（Fortune，2025 年底）、约 2,500 人（访谈转述）、5,000–5,300 人（Tracxn 与 Crustdata，2026 年中）。**官方从未公布过员工总数、MAU 或用户总数。**三个数字之间的差距远超正常增长可以解释的范围，很可能来自「正式员工 / 含承包商 / 含各地子公司」的统计口径差异——但这只是推断，没有任何一方公布过口径。凡看到单一员工数字被当作事实引用的，都应打上问号。

3 · S-1 × LTBT：一场没有先例的治理实验

第六章讲 LTBT 的程序权——它如何被 RSP v3.2 写进执行回路。本节只讲第六章不讲的那一面：资本市场。一家由「在公司没有任何财务利益」的受托人所任命的董事占据多数的公司，要去公开市场向以财务回报为首要诉求的股东募资。这件事在美国公司法里找不到可对照的先例，而它的兼容方案会写在一份目前还没有公开的 S-1 里。

3.1 · 两个日期，相隔 48 天

2026 年 4 月 14 日，长期利益信托（LTBT）任命诺华 CEO、医生科学家 Vas Narasimhan 进入董事会。公告里有一句官方逐字确认，它把「LTBT 是一个象征性机构」这条长期怀疑直接排除掉了：“With Narasimhan’s appointment, Trust-appointed directors now make up a majority of the Board.” 同一份公告还写明了信托的性质——「an independent body whose members have no financial stake in Anthropic」。此后董事会为七人：Dario Amodei、Daniela Amodei、Yasmin Razavi、Jay Kreps、Reed Hastings、Chris Liddell、Vas Narasimhan。⚠️ 第二维在这里指的不是「这句话可能不实」，而是：「信托任命董事已构成多数」是公司对自己治理结构的自我描述，没有任何外部机构核查过信托的实际独立性。

信托这一侧在 2026 年同样在扩编：2026-01-21 前加州最高法院大法官 Mariano-Florentino（Tino）Cuéllar 加入 LTBT；2026-07-09 前美联储主席 Ben Bernanke 加入。LTBT 主席 Neil “Buddy” Shah 对信托角色的表述是：「The Long-Term Benefit Trust’s role is to appoint directors who will ensure Anthropic responsibly balances its commitment to stockholders and its public benefit mission as the company grows.」——注意这句话里同时出现了「股东」与「公益使命」，信托的自我定位不是取代股东，而是在两者之间维持平衡。

2026 年 6 月 1 日，Anthropic 向 SEC 保密递交 S-1 草案，依据《1933 年证券法》Rule 135 发布公告。官方原文的限定语必须原样保留：这只是「a draft registration statement on Form S-1」，它「gives us the option to go public after the SEC completes its review」，是否上市「will depend on market conditions and other factors」，而且「The number of shares to be offered and the price have not yet been set.」⚠️ 关于这次递交，公开世界拥有的全部信息就是这一份公司公告——SEC 侧文件保密，本报告未直接核到。

    四条措辞禁令与一条因果护栏
    

**① 这不是「已提交招股书」，更不是「已上市」。**保密递交的是草案，公开的招股说明书至今不存在。② 官方从未公布定价、股数、交易所、股票代码与承销团，任何这类数字都无出处。③ 不得声称「SEC 已受理」或「SEC 已审查」——保密递交本身就不公开，本报告也未直接核到 SEC 侧文件。④ 投后估值不是市值，Anthropic 截至 2026-07-25 未上市。

🔴 **因果护栏：本节只陈述 48 天的时间并置，不主张任何已证实的因果关系。**没有任何公开证据表明「取得董事任命多数」是为了递交 S-1 做准备，也没有任何公开证据表明递交 S-1 削弱了信托的权力。把并置读成因果，是本页最容易犯、也最难被读者察觉的一个错误。

      **图 4 ·** 治理结构的两个版本并置。左图是中文标注版，右图是 2026 年 5 月的更新版——把两张放在一起，可以看出这套结构本身在 2026 年也被修订过。⚠️ **读图时必须守住一条边界**：图中的「任命」是指**信托有权任命部分董事席位**，2026-04-14 之后这些席位构成了多数；它**不等于「受托人直接经营公司」**，日常经营仍由管理层负责、董事会监督。⚠️ 这两张是**外部矢量图**，不随本页深浅主题切换配色，与本章自绘 SVG 的观感不同属正常。来源：Wikimedia Commons，Anthropic gongsi jiagou.svg [@src-bf04b2da06] 与 Anthropic's corporate structure, updated.svg [@src-343e1fe4c4]，作者 Sol-314，**CC0 1.0 公有领域奉献（无署名义务，此处仍注明以便回溯）**（访问日期 2026-07-25）
    
  

  

3.2 · 三个具体的张力（全部未决）

**张力一 · 公开市场的季度节奏，与 RSP 可能要求的暂停。**RSP v3.x 的核心机制是：当能力评估无法有把握地排除某个阈值时，公司应当推迟部署甚至暂停开发。这类决定的时间尺度由评估结果决定，不由财报日历决定。而公开市场对上市公司的默认要求恰恰是季度节奏：指引、兑现、再指引。这两套时间尺度在正常年份可以并行不悖，问题出在冲突发生的那一次——一次因安全评估而推迟的旗舰模型发布，在 S-1 的语言里是「风险因素」还是「治理优势」，目前无人知道，因为 S-1 没有公开。

张力二 · 受托人对股东不承担受信义务，股东也无法罢免受托人。这是本节最需要精确表述的一点。在通常的特拉华州公司里，董事对公司与股东负有受信义务，股东可以通过投票更换董事。Anthropic 的结构在这里插入了一层：相当一部分董事席位由 LTBT 任命，而 LTBT 的受托人在公司没有财务利益、也不由股东选举产生。公益公司（PBC）这一形式本身允许董事在股东利益之外考虑公益使命，因此这套安排在法律形式上是成立的；⚠️ 但「形式上成立」与「在公开市场上被定价接受」是两回事。前者由公司法回答，后者由承销商、机构投资者与二级市场回答，而后一个问题在 2026-07-25 之前没有任何一家前沿 AI 公司替它回答过。

**张力三 · 兼容机制未知，因此这是一个待观察的实验，不是一场已发生的失败。**公开市场上并非没有过特殊治理结构——双层股权、创始人超级投票权、基金会控股都有先例。Anthropic 的不同之处在于：控制权不落在创始人手里，也不落在某个基金会的经济所有权上，而落在一组明确声明「在公司没有财务利益」的受托人手里。这套结构如何在 S-1 的「风险因素」与「公司治理」两章里被表述，是 2026 年下半年最值得盯的一份文件。在它公开之前，任何关于「这套结构会不会在上市后被稀释」的判断都是猜测。

      **图 5 ·** 编者绘制的关系图，**不是任何一方的官方表述**。三个顶点全部有一手依据（信托任命董事多数为官方逐字确认；S-1 为官方 Rule 135 公告；公开市场一侧目前只是潜在状态）。三条边则是**编者归纳的待观察张力，不是已发生的冲突**。⚠️ 图中不含任何金额，也不表示任何因果方向。依据：anthropic.com/news/narasimhan-board [@src-7871fe6960]（2026-04-14）、confidential-draft-s1-sec [@src-ea58427a70]（2026-06-01）与 RSP v3.2 [@src-5162f8e9ef]（访问日期 2026-07-25）
    
  

  

3.3 · 双向 steelman

批判性读法

公开市场会给每一条独特承诺定一个价。季度业绩压力、股东诉讼风险、强制披露义务会同时到位，而董事会将第一次需要向公众股东解释「为什么我们主动限制自己产品的能力」。RSP 里那句「可能暂停开发」在招股书里如果被列为风险因素，就等于公司自己承认它是价值的减项；如果被列为治理优势，则需要一个市场愿意接受的论证——而这个论证在 2026 年尚不存在公开版本。

更现实的一层：上市之后，任何一次因安全判断而推迟的发布，都会在下一次财报电话会上被追问。制度的刚性最终取决于它在最贵的那一次决定上是否还成立。

同情性读法

**LTBT 正是为资本压力而设计的。**它存在的理由，就是在商业压力上升时提供一个不受财务激励驱动的制衡层。按这个读法，在 IPO 之前把董事任命做到多数，是加固而不是削弱——顺序恰好是先立防线再进场。

与之呼应的是 RSP v3.2（2026-04-29）：它授权 LTBT 要求对 Risk Report 做外部审查、批准外部审查者人选、并强制公司定期向其简报。这是程序权，不是象征性席位。两件事在两周内相继发生，与「为上市清空障碍」的方向恰恰相反。⚠️ 但这条同情性读法所依据的全部材料都是公司自己发布的政策文本——这些程序权是否被实际行使过，截至基准日没有任何外部记录。

    当前判定 · 未决（制度压力测试）
    

**这是一次制度压力测试，不是一场已经发生的治理失败。**三条张力全部真实存在，且全部尚未被任何公开文件回答。判断这套结构成败的最早时点，是 S-1 公开的那一天——在此之前，把它写成「治理已被资本侵蚀」或「治理已经稳固」都是超出证据的外推。程序侧的完整分析（RSP v3.2 授予 LTBT 哪些具体权力、外部审查如何运作）在 6-safety-policy.html。

4 · 法律风险双线：Bartz 终审与个人被告

2026 年的版权风险有两条战线，走向相反：一条收束——Bartz 集体诉讼在基准日前五天获得法院终审批准；一条升级——音乐出版商在 5 月把 Dario Amodei 与 Ben Mann 列为个人被告。本节是后一条的唯一主锚点，用六段式完整承载。⚠️ 全节严守四组措辞：被告 ≠ 侵权成立、指控（allegation）≠ 认定（finding）、初步禁令 ≠ 实体判决、和解 ≠ 认错。

4.1 · 线一 · Bartz v. Anthropic：法院文书里的数字

2026 年 7 月 20 日，加州北区联邦地区法院对 Bartz v. Anthropic 集体诉讼和解作出终审批准。文书信息为 Case 4:24-cv-05417-AMO，Document 680，Filed 2026-07-20（N.D. Cal.），标题是《ORDER GRANTING FINAL APPROVAL OF CLASS ACTION SETTLEMENT; GRANTING IN PART MOTION FOR ATTORNEY’S FEES, REIMBURSEMENT OF EXPENSES, AND PLAINTIFF SERVICE AWARDS; JUDGMENT》。主审法官是 Araceli Martínez-Olguín。

    一处高危的人名错误
    

**终审批准的法官不是 William Alsup。**Alsup 负责的是 2025 年的集体认证与初步批准，也是那两个分项裁决（合法取得用于训练属转化性合理使用／盗版取得不属于）的作出者，其后已退休；案号也随之从 3:24-cv-05417 变为 4:24-cv-05417-AMO。中英文二手报道都有把终审记在 Alsup 名下的，引用前请核对案号后缀。

      项数值口径与出处说明| 项 | 数值 | 口径与出处说明 |

      
        和解基金**$15 亿****non-reversionary（不可回流）**；法院定性为 "the largest copyright class action settlement in history"| 和解基金 | $15 亿 | non-reversionary（不可回流）；法院定性为 "the largest copyright class action settlement in history" |

        涉及作品数**482,460 件**法院认定的 definitive count，**以版权登记号为唯一非重复标识符**。「约 50 万」是可接受的口语近似，但不精确| 涉及作品数 | 482,460 件 | 法院认定的 definitive count，以版权登记号为唯一非重复标识符。「约 50 万」是可接受的口语近似，但不精确 |

        已收到通知482,374 件（99.98%）权利人通知送达率| 已收到通知 | 482,374 件（99.98%） | 权利人通知送达率 |

        每部作品预估赔付约 $3,000为普通版权侵权法定最低赔偿 $750 的**四倍**| 每部作品预估赔付 | 约 $3,000 | 为普通版权侵权法定最低赔偿 $750 的四倍 |

        律师费**$101,561,111**约占基金 **6.8%**；由请求的 $1.875 亿削减，最初曾要求 $3 亿；另有 10% 在分配后会计报告提交前暂扣| 律师费 | $101,561,111 | 约占基金 6.8%；由请求的 $1.875 亿削减，最初曾要求 $3 亿；另有 10% 在分配后会计报告提交前暂扣 |

        费用报销$2,635,197.46另留 $18,220,000 预期开支准备金| 费用报销 | $2,635,197.46 | 另留 $18,220,000 预期开支准备金 |

        代表原告服务奖励各 $15,000三名集体代表原告合计 $45,000；由请求的 $50,000 削减| 代表原告服务奖励 | 各 $15,000 | 三名集体代表原告合计 $45,000；由请求的 $50,000 削减 |

        侵权来源LibGen 与 PiLiMi两个盗版图书馆| 侵权来源 | LibGen 与 PiLiMi | 两个盗版图书馆 |

        支付起点Effective Date 后一个工作日Effective Date 为上诉期届满之日（第九巡回一般 30 天）——**截至基准日这笔钱尚未开始发放**| 支付起点 | Effective Date 后一个工作日 | Effective Date 为上诉期届满之日（第九巡回一般 30 天）——截至基准日这笔钱尚未开始发放 |

      
      表 5 · Bartz v. Anthropic 终审裁定的关键数字（整块金额表，故用普通美元符号）。**全部来自法院文书原件**，Case 4:24-cv-05417-AMO Doc 680，Filed 2026-07-20（N.D. Cal.）。🔴 **本表刻意只标第一维**：法院文书是**第三方权威文书，不是任何一方自产的结论**——$15 亿、482,460 件、$101,561,111 这些数字出自法院的认定与裁量程序，第二维（结论独立性）在这里不适用。⚠️ **这条规则与「官方公告 = 公司自产」是两回事，不要混用**：判断依据是「产出这个数字的程序由谁掌握」，不是「材料从哪里下载」。
    
  

  

两个裁决的区分必须同时写出，缺一条都会失真。① 合法取得的图书用于训练模型，被判为转化性合理使用；② 盗版取得、以及保留一个盗版图书库这件事本身，不属于合理使用。本次和解针对的正是后者——从 LibGen 与 PiLiMi 下载。只写第一条，会把这起案件读成 Anthropic 在版权问题上全面胜诉；只写第二条，会把它读成「用书训练模型被判违法」。两条都不对。

The non-reversionary Settlement Fund of $1.5 billion provides meaningful relief to the Settlement Class given the reasonable range of Class Members’ possible recoveries, especially since further litigation would likely be complex, expensive, lengthy, and risky. — 法院终审裁定，Case 4:24-cv-05417-AMO Doc 680 2026-07-20 · 法院文书原件逐字 · PDF ^[33]（访问日期 2026-07-25）

这段话值得单独读一遍，因为它说明了法院批准和解的判据是什么：不是「被告确有侵权」，而是「相对于继续诉讼的复杂、昂贵、漫长与不确定，这笔钱对集体成员构成有意义的救济」。法院同时认定该和解「fair, free of collusion, and consistent with Plaintiffs’ fiduciary obligations to the Class」。⚠️ 和解不是认错——这是本节反复要守的一条边界，它对下面那条战线同样适用。

4.2 · 线二 · 音乐出版商案：风险从公司层面下沉到个人层面

    反叙事 CN-07 · 本页唯一完整承载的一条

    

①原主张

训练数据治理是一个公司层面的、可控的、可以通过和解了结的风险。这个判断在 2026 年 7 月之前有相当强的支撑：Bartz 案以一笔创纪录但可承受的和解金收束；法院在同一条线上确认了「合法取得的图书用于训练属转化性合理使用」；公司层面的赔付虽然巨大，但性质是可定价的经营成本。按这个读法，版权风险是资产负债表上的一个数字。

②压力测试

2026 年 5 月，音乐出版商（Concord / UMG / ABKCO 一线）提交修订后的起诉状（法院文书 5:24-cv-03811-EKL-SVK，N.D. Cal.），把 contributory infringement 主张改为针对 Dario Amodei 与 Benjamin Mann 个人。起诉状的指控措辞是：两人「each knew that they were directing the Anthropic employees working under them to make unlawful copies from known pirated sources」，因而应承担帮助侵权责任。

🔴 时间关系是这条反叙事的要害：这件事发生在 2026-06-01 保密递交 S-1 之前。CEO 与联合创始人被列为个人被告，属于 IPO 风险披露的实质内容，而不是一条可以放进脚注的诉讼进展。⚠️ 同时必须写清：被列为被告不等于侵权成立；这是原告的指控，截至 2026-07-25 尚无任何针对两人的个人责任判决。

③ 最强批判性解释

原告选择把矛头指向个人，通常意味着他们认为能够举证到「知情与指示」这一层——即不是组织的疏失，而是具体的人做出了具体的决定。若这一主张在实体阶段成立，那么「训练数据来源」这件事就不再是合规瑕疵，而是决策层的选择。

更结构性的一层：Anthropic 全部独特叙事都建立在「我们在做别人不愿做的正确的事」之上。一家把伦理写进公司身份的企业，其创始人在版权诉讼中被单独列名，本身就构成对该叙事的高强度检验——无论最终判决如何。

④ 最强同情性解释

**第一，这是原告的诉讼主张，不是法院的认定。**把高管列为个人被告是版权诉讼中常见的施压手段，其作用之一是提高和解筹码；它的出现并不能推出被告知情。第二，截至基准日尚无个人责任判决，也无任何法院就此作出事实认定。

第三，同一年的另一条战线给出了相反方向的证据。Bartz 案在 2025 年的分项裁决中，确认了合法取得的材料用于训练属于转化性合理使用——这意味着争点集中在取得方式，而不是「用受版权保护的作品训练模型」这件事本身。原告方自己也明确声明：「this case is not a referendum on AI technology」，并称已向多家 AI 公司授权作品。

⑤现有证据能裁决到哪里

能裁决的只有三件事：其一，个人被告这一事实成立且有法院文书为凭；其二，它发生在 S-1 保密递交之前，因而属于 IPO 风险披露的实质内容；其三，公司层面的版权风险已经通过 Bartz 和解部分定价，而个人层面的风险没有被这笔和解覆盖。

不能裁决的更多：不能判断指控是否成立；不能据此推断任何人的知情状态；不能把「被列为被告」写成「被认定侵权」；也不能把它作为评价 Dario 个人品格的材料。⛔ 本报告不做人格推断，也不写「版权诉讼证明 Dario 知道盗版」这类句子——那是把 allegation 当成 finding。

⑥什么新证据会改变判断

• 法院就 contributory liability 作出实体裁决（无论支持还是驳回），特别是对「知情与指示」这一要件的认定。

• 被驳回、被撤回，或以不含个人责任认定的方式和解——这将把风险重新压回公司层面。

• S-1 公开后其「风险因素」章节如何表述这条诉讼：措辞强度与披露详略，会反过来说明公司自己如何评估它。

• 出现能直接印证或否证「知情」的一手材料（内部文件、证词记录），且经法院采信。

• 其它权利人（如已另行起诉的 BMG）是否采用同一诉讼策略——若成为常规做法，说明这是策略而非个案证据强度所致。

      当前判定 · 未决（诉讼进行中）
      

**可以确认的是诉讼状态，不能确认的是责任归属。**准确的一句话是：音乐出版商在 2026 年 5 月的修订起诉状中把 Dario Amodei 与 Ben Mann 列为个人被告，指控其对帮助侵权负责；截至 2026-07-25 尚无任何法院就此作出事实认定或责任判决。这条风险的真正意义不在于它是否会成立，而在于它把「训练数据从哪里来」这个问题从合规部门推到了创始人本人名下，并且恰好赶在这家公司准备上市之前。

4.3 · 三个日期放在一起看

把 2026 年的法律风险按时间排开，图景比任何单一事件都完整：5 月，个人被告；6 月 1 日，保密递交 S-1；7 月 20 日，Bartz 终审批准——距本报告基准日五天，距 Opus 5 发布四天。三件事共同说明的一点是：**2026 年不是这家公司法律风险最激烈的一年，而是它第一次必须把这些风险写成书面披露的一年。**诉讼可以拖延、和解可以谈判，但招股书里的「风险因素」是有格式要求的。

    本节不覆盖的两条法律线
    

与美国国防部（DoW）的两宗诉讼——加州北区 26-cv-01996-RFL 与 D.C. 巡回 26-1049——在本页只出现于 §1 的时间线节点，本节不重复其法律分析。需要注意的两条限定在那里已经写明：初步禁令阶段的「likely to succeed」不是实体判决，且覆盖整个联邦采购体系的 §4713 FASCSA 指定至今仍在生效并被执行。完整的三条独立理由、判决书逐字与双向 steelman 在 6-safety-policy.html。

5 · 当 AI 开始建造自己

2026 年 6 月，The Anthropic Institute 发布《When AI builds itself》（Marina Favaro 与 Jack Clark 合著），把「递归自我改进」从一个理论词变成一份带内部数字的现状报告。本节只做三件事：把数字的口径钉死、把这份报告里关于「暂停」的公开表态逐字引出来、以及指出一份内部生产力数字如何直接牵动了一条自我约束条款的定义。

5.1 · 三个数字，一条纪律

关于「Claude 写了多少 Anthropic 的代码」，2026 年公开可查的口径有三个，它们的证据强度并不相同。把它们混用，是这一整年被引用得最多、也被误引得最多的一组数字。🔴 先说一件比三个数字都重要的事：这三个数字全部由 Anthropic 自己统计、自己定义口径、自己发布，没有任何一个经过外部核验。本报告因此一律称它们为官方内部统计，⛔ 不写「实测」——「实测」会让读者以为存在一次可被第三方重跑的测量，而这里没有。

      超过 80%
      Claude 撰写的合并代码占比
      **官方内部统计口径**。指 2026 年 5 月合并进 Anthropic 生产代码库的代码行中由 Claude 撰写的比例；2025 年 2 月 Claude Code 发布前**是个位数**。**无外部核验**。
    
    
      约 4 倍
      研究团队自评产出倍数
      **内部调查口径**。2026 年 3 月一份 **130 人内部调查的中位数**自评。原文同时自陈「真实提升可能还要更低一些」。**自评，非测量**。
    
    
      8 倍
      人均日合并代码量 vs 2024
      ⚠️ **行数口径，且官方自己说它高估**。2026 年第二季度对 2024 年的比值。**不得单独引用**——必须与下面那句原文同屏。
    
  

  

Lines of code is an imperfect measure, as it measures quantity over quality. So 8× lines of code/engineer/day in the second quarter of 2026 is almost certainly an overstatement of the true productivity gain. — 《When AI builds itself》，The Anthropic Institute 2026-06 · 官方文本逐字 · anthropic.com/institute/recursive-self-improvement ^[27]（访问日期 2026-07-25）

    数字纪律
    

涉及这一题，本报告一律用「80%（官方内部统计）+ 约 4 倍（内部调查中位数）」，不用「90% + 8 倍」。理由有三：① 90% 是 2025 年 3 月的预测，80% 是 2026 年 5 月的内部统计，两者不是同一件事的两个版本；② 8 倍是行数口径，而官方自己写明它「几乎肯定高估了真实的生产力提升」；③ 4 倍是从业者自评，虽然主观，但它衡量的是产出而不是行数。🔴 还有一条口径纪律必须写在这里：本报告不称这三个数字为「实测」。它们没有公开的测量协议、没有可复核的原始数据、没有第三方重跑——把公司内部统计称作「实测」，是本站此前的一处过度采信，本页已统一改口。⚠️ 一个额外的提醒：把「代码行占比」直接读成「工程师需求减少」是另一个层级的错误，那一条在 §6 单独处理。

      **图 7 ·** 两条官方曲线的分工。**左图是「量」**——人均每日合并代码行数在 2021 至 2025 年间基本没有变化，直到 2026 年抬起；**右图是「质」**——Claude Code 会话成功率，官方图注写明「成功与否由 Claude judge 判定，指 agent 无需人工纠正即完成用户任务」，最开放的任务档在 2026 年 5 月达到 **76%**，六个月内提高约 50 个百分点。⚠️ **两图各自都有口径软肋**：左图数的是行数（官方自承高估），右图的判官是模型自己（不是独立人类评审）。**把它们放在一起看，比只看任何一张都更接近真相：产出的量确实跳变了，而质的判据仍由这家公司自己定义。**
      来源：《When AI builds itself》 [@src-dc0ef612e9]，The Anthropic Institute，2026-06，官方博客图（合理使用，须注明来源）（访问日期 2026-07-25）
    
  

  

5.2 · 能力侧的三条曲线：内核优化、研究判断、任务时长

比代码行数更值得看的是另外三组内部数字，因为它们衡量的不是打字速度，而是模型能不能替代研究工作里更靠上游的环节。⚠️ 但读它们之前要先记住一件事：下面三条曲线的任务、基线、评分标准与样本全部由 Anthropic 自己选定，其中只有第三条（任务时长）有外部机构的对等测量。

第一条 · 内核优化。在同一项内核优化任务上，Claude Opus 4（2025-05）取得约 3 倍加速，Mythos Preview（2026-04）取得约 52 倍；作为参照，一位熟练的人类研究员需要 4 到 8 小时才能达到 4 倍。第二条 · 研究判断。在 129 个真实研究会话的「下一步该做什么」决策点上，模型给出与人类专家一致判断的比例从 Opus 4.5（2025-11）的 51% 升到 Mythos Preview（2026-04）的 64%；同一套设置下的对照组（n=127）只有 20%。第三条 · 任务时长。模型能独立完成的任务时长从 Opus 3（2024-03）的约 4 分钟，到 Sonnet 3.7 的约 1.5 小时，再到 Opus 4.6 的 12 小时；翻倍周期从此前的约 7 个月缩短到约 4 个月。🔴 前两条完全是公司自产：任务是内部任务、对照组是内部设定、「与人类专家一致」的判据也由内部定义。第三条是四条曲线里唯一有外部测量的一条——METR 对 Mythos Preview 的测量结果是「at least 16 hours」，并指出这已经是它在不新增任务的情况下所能测量的上限；⚠️ 但 METR 的模型评测依赖 Anthropic 提供的发布前受限访问，因此按本站口径属于合作研究而非第三方审计。　（后者仅指 METR 那条任务时长测量）

5.3 · Amdahl 定律：瓶颈不会消失，它只会搬家

这份报告最有分析价值的一段，不是任何一个数字，而是它对加速的结构的判断。报告推演的三种情景里，作者认为最可能发生的是第二种——「AI 实验室持续获得复利式效率增益，人类仍设定研究方向与判断结果」。而这个情景引入了一条老定律：Amdahl 定律——当一个环节被大幅加速后，系统的总速度由没有被加速的那些环节决定。

The evidence suggests that the human role is narrowing at each step in the AI development process. Once human- and AI-authored code quality reach parity, humans will stop writing code entirely, and shift to only reviewing it. But if they can’t review code as quickly as Claude can generate it, human review will become the bottleneck to AI development. — 《When AI builds itself》，The Anthropic Institute 2026-06 · 官方文本逐字 · anthropic.com/institute/recursive-self-improvement ^[27]（访问日期 2026-07-25）

同一篇里给出了人类当前比较优势的位置：“An area of human comparative advantage, for now, is research taste and judgment, including choosing which problems matter, which results to trust, and when an approach is a dead end.” 把这两段连起来读，结论是相当具体的：代码生成被加速之后，新瓶颈依次是评审、实验周期与研究品味——而这三样恰好都是最难被行数指标衡量的。这也是为什么「8 倍」这个数字在它自己的报告里就被打了折：分子涨了 8 倍，分母（评审与判断）没有同步涨。加速的技术侧论证与 scaling 曲线在 5-scaling.html，本页不重复。

    一段值得保留的员工原话
    

这份报告里引了两段匿名员工的感受，它们记录的不是岗位消失，而是岗位内容被掏空：“Work (and life) ran on a gift economy of small favors between humans. ‘Can you help me get this script running?’ […] each one created a little debt, a little mutual awareness. [Claude is] faster, it creates zero debt, but each of these is a lost bid for human collaboration.” 以及：“On days where everything works well, I can’t help but think nothing I do matters… But then there are days where everything breaks and I don’t understand why and I realize I have no idea what I’ve been up to anymore.” ⚠️ 这是匿名引述，不能当作可推广的样本；而且引述由谁挑选、挑掉了什么，只有发布方知道。但它与 §6 那组「测不到失业率影响」的宏观数据构成一个重要对照：同一家公司的两份文件，一份说宏观指标没动，一份记录了工作内容的深刻改变。这两件事都可能是真的。

5.4 · ★ 关于「暂停」，这家公司最明确的一次公开表态

《When AI builds itself》里有一段话，是 Anthropic 关于「减速或暂停前沿开发」迄今最具体的公开立场。它值得逐字引，因为它把一个长期被当作口号的词，换成了一个有前提条件的承诺。⚠️ 第二维在这里的含义要说清楚：这是公司对自己未来行为的自述，没有任何外部机构核验过它的执行意愿或执行能力——承诺是真实发表的（第一维），是否会被兑现则不在任何人的观测范围内（第二维）。

We believe it would be good for the world to have the option to slow or temporarily pause frontier AI development… These systems would enable frontier AI developers to verify that others globally have actually stopped or slowed, and that a bad actor could not use the auspices of a coordinated slowdown to jump ahead in secret. If such systems existed, we expect that we would slow down or temporarily pause, if other developers at or near the frontier also did so in a verifiable manner. — 《When AI builds itself》，The Anthropic Institute 2026-06 · 官方文本逐字 · anthropic.com/institute/recursive-self-improvement ^[27]（访问日期 2026-07-25）

这句话的结构必须被完整读出来，因为它既是承诺，也是条件。承诺的部分是：如果验证机制存在，且其它前沿开发者以可验证的方式同步减速，我们预期我们会减速或暂时暂停。条件的部分是：这套验证机制目前不存在——而同一篇文章诚实地说明了为什么难：“Training runs are far easier to conceal than missile silos, their inputs are general-purpose, and the incentive to defect quietly is enormous, because whoever continues while others pause could inherit the lead.” 它还引用了中导条约（INF Treaty）作为对照，并给出一句时间判断：“those regimes took decades to build both the infrastructure and the trust. We don’t have that long.”

批判性读法

一个以「他人也这么做」为前提的承诺，在前提不成立时不产生任何义务。文章自己写明这套验证系统尚不存在，也没有给出建成时间表。因此这段表态在 2026 年不约束任何一次具体决定——它更接近一份立场声明，而不是一条可被检验的承诺。

把它与同一年 2 月的另一句放在一起会更清楚：联合创始人 Jared Kaplan 对 TIME 的表述是「如果竞争对手在狂奔，单边承诺没有意义」。两句话的逻辑结构相同——都把自我约束的成立条件外包给了竞争对手的行为。承诺侵蚀链的完整证据与双向 steelman 在 6-safety-policy.html。

同情性读法

**「单边暂停没有意义」不是借口，它在这篇文章里被展开成了一个论证。**原文写：“A unilateral pause by one lab, by contrast, is achievable immediately, but accomplishes much less: it would change who the front-runner is, but it would not create the wider deliberative process that is currently missing.” 这个判断可以不同意，但它是一个可讨论的命题，不是一句托词。

更重要的是它把话说死了：公司公开写下了一个会让自己减速的触发条件，并宣布投入资源去建造那个会让触发条件成立的系统。把履约条件写成可验证的外部事实，本身就是提高了自己被问责的可能性——这与「不作任何承诺」在制度上不是一回事。

这段表态与本报告另外两条线直接相接。向前接 §3：一家准备上市的公司，写下一条「在特定条件下我们会减速」的条款，而这条款将来要在招股书里被表述成风险因素还是治理优势，目前没有答案。向后接第六章：「所有人都想减速、但没有人敢先减速」是一个标准的集体行动困境，而 Anthropic 在这里提出的解法是把信任问题转化成验证问题——集体行动困境的完整分析在 6-safety-policy.html。

5.5 · 一份内部生产力数字，如何改写了一条自我约束条款

这是本章主题最直白的一个例证，也是「研究主张变成制度」这句话在 2026 年最具体的一次落地。

RSP v3.0（2026-02-24）关于 AI 研发能力阈值的措辞有两种读法：是 AI 使「整体 AI 能力进展速率」翻倍，还是使「研究员生产力」翻倍。这两种读法的门槛差着很远。按后一种读法，Anthropic 自己在《When AI builds itself》里报告的「人均日合并代码量是 2024 年的 8 倍」早就越线了；按前一种读法，门槛要高得多，因为整体能力进展速率还包含了实验周期、数据、算力与研究品味。**RSP v3.1（2026-04-02）明确澄清：我们指的是前者。**🔴 这一整条链上的每一环——阈值文本、触发数据、以及「是否越线」的判定——都由同一方产出。

    关键洞察
    

时间顺序是这条线的要害：内部数字先出现，条款定义后澄清。这不构成「为了规避阈值而改定义」的证据——⛔ 本报告不作这个因果主张，因为 v3.0 的原措辞本来就有歧义，澄清歧义是版本迭代的常规动作，而且 v3.1 的读法在技术上也更接近 RSP 想约束的对象（能力进展速率，不是打字速度）。**但它确实说明了一件更结构性的事：当一家公司同时是被约束者、约束条款的作者、以及触发条件所依赖的那份数据的唯一来源时，「阈值是否被触发」这个问题在制度上没有独立的裁判。**这与 2 月 10 日那份 Sabotage Risk Report 里的自陈是同一个问题的两面——「confidently ruling out this threshold is becoming increasingly difficult」。逐版 diff 与双向 steelman 在 6-safety-policy.html。

5.6 · ★ 一个「批评本身已经过时」的范例：METR 的 19%

上面全部数字都来自 Anthropic 内部。唯一一组关于「AI 是否真的加速了资深开发者」的外部随机对照证据来自 METR——而这条外部证据在 2026 年发生了一件值得单独立一节的事：它把自己的结论方向反转了。这让「怎么引用它」比「它测出了什么」更需要纪律。⚠️ 先把符号钉死：METR 的因变量是「允许使用 AI 导致的任务完成时间变化百分比」，正值 = 变慢，负值 = 变快。下面所有数字都按这个约定读，⛔ 一律不作口语化改写。

    先说一件影响全章读法的事：这场争论属于哪一层
    

本章此后的每一条反方，都会先标出它属于哪一层**。不标层，读者会以为所有争论都是同一种争论——它们不是。三层如下。经验层争的是「事实上发生了什么」，原则上可以被更好的数据解决。就业实证、失业率有没有动、招聘有没有下降，都在这一层。测量层争的是「我们测的到底是不是那件事」，要靠改进测量设计而不是增加样本来解决。生产力归因、benchmark 设计、「代码行数算不算产出」都在这一层。世界观层争的是价值排序与风险偏好，原则上不能被证据裁决。**出口管制该不该做、AI 该不该加速、多大的灾难概率算「可接受」，都在这一层。

🔴 这个区分有两条外部证据支撑，它不是本报告自造的分类。其一是 XPT 存在性风险说服锦标赛的实证结果：80 位领域专家与 89 位超预测者，被金钱激励去互相说服，历时四个月、交换数百万字之后，AI 灭绝风险的中位估计仍然相差约 8 倍（0.38% vs 3%），几乎没有人改变主意（Int. J. Forecasting, 2025）。⚠️ 它证明的不是「谁估高了」，而是这类数字目前无法被辩论裁决。其二是自证版本：那篇最系统的反方论文，作者 Arvind Narayanan 与 Sayash Kapoor 自己声明，它「陈述的是一种世界观，而不是论证一个命题」。两条都指向同一件事：世界观层的分歧不会因为多给证据而收敛。⚠️ 这不意味着世界观层的争论不重要，只意味着用「等数据出来」来处理它，是一种类别错误。

    对辩 · 「AI 让资深开发者慢 19%」这条批评今天还成立吗　测量层
    
      
        最强版本
        

Anthropic 主张的最强版本不是「AI 让所有人更快」，而是一个有边界的组织级主张：在一家把模型、工具与工作流全部内部化的公司里，2026 年 5 月合并进生产代码库的代码行八成以上由 Claude 撰写，130 人内部调查的产出自评中位数约 4 倍，人均日合并行数是 2024 年的 8 倍。

⚠️ 这个版本之所以是最强版本，是因为它自己就带了三条限定：官方写明 8 倍「几乎肯定高估了真实的生产力提升」；用 Amdahl 定律预告瓶颈会移到评审与研究品味；并且从未主张这个倍数可以搬到别的团队。它主张的是「在 Anthropic 内部，产出的量发生了跳变」，不是「AI 普遍带来 N 倍生产力」。

        最强反方
        

METR 于 2025-07-10 发布的随机对照试验（样本采集窗口 2025-02 至 2025-06）：一批熟悉自己代码库的资深开源开发者，在被随机分配「允许 / 不允许使用 AI 工具」后完成真实议题，允许使用 AI 的一组点估计 +19%（即慢 19%），95% 置信区间 [+2%, +39%]。

🔴 这条结果当时之所以是最硬的外部反方，在于它同时打掉了两样东西：其一是自评——同一批开发者事前预期 −24%（快 24%）、事后自评 −20%，主观与客观反向，而 Anthropic 的「约 4 倍」恰恰就是自评；其二是基准分数——它测的是真实仓库里的真实议题，不是 benchmark。在 2025 年下半年，这是「厂商自报生产力数字要打折」这一判断最强的实证支点。

        可验证证据
        

① METR 自己 2026-02-24 的后续研究把方向反转了。参与后续实验的原班开发者子集点估计 −18%（即快 18%），95% 置信区间 [−38%, +9%]；新招募的开发者点估计 −4%，置信区间 [−15%, +9%]。不是被别人推翻，是被同一个机构、同一套方法的延续研究反转。

② 两个区间都跨过 0。🔴 因此后一轮并未确立「AI 提速」——它只是移除了「显著变慢」的强证据。METR 自己提示新结果受选择效应影响（愿意回来参加第二轮的人，很可能正是第一轮体验较好、或此后练出了用法的那批），并直接写下 “hard to interpret”。

**③ 对照组一侧：Anthropic 的三个数字没有测量协议。**80% / 8 倍 / 约 4 倍全部由公司自己统计、自己定义口径、自己发布，没有公开的原始数据，也没有任何第三方重跑过。

**④ 两边测的甚至不是同一件事。**METR 测的是「资深开发者在自己长期维护的开源仓库上完成真实议题的耗时」；Anthropic 测的是「一家 AI 扩散程度接近上限的公司里合并了多少行代码」。⚠️ 前者可以为负、后者可以很大，两件事并不互相反驳。

⚠️ 第二维标注说明：METR 的两轮随机对照试验属于单篇未被第三方复现的外部研究，按本站口径（与 5-scaling.html 一致）只标第一维——它既不是公司自产，也还谈不上「已独立复现」。

        Anthropic 回应 ＋ METR 自己的更新
        

**Anthropic 方面：未见针对 METR 这项试验的逐条公开回应。**但有一条方向一致的间接回应值得记：《When AI builds itself》自己写下「8 倍几乎肯定高估了真实的生产力提升」，并用 Amdahl 定律预告瓶颈会移到评审与研究品味。也就是说，在「行数不等于生产力」这一点上，公司自己站在 METR 这一边，而不是对面。

**METR 方面：反方的更新来自反方自己。**2026-02-24 的后续研究、以及它对选择效应与 “hard to interpret” 的自陈，都是 METR 主动发布的。🔴 这一点决定了本条的裁决类型——批评不是被 Anthropic 驳倒的，是被提出批评的机构自己更新的。

        Reviewer 裁决
        

所在层：测量层——⚠️ 这一点决定了该怎么推进它。争论的核心不是「AI 到底快了还是慢了」这个事实问题，而是**「完成时间」「合并行数」「会话成功率」这三把尺子各自在测什么**：METR 测的是资深开发者在自己维护的开源仓库上的耗时，Anthropic 测的是一家 AI 扩散接近上限的公司合并了多少行代码。因此把样本从几十人扩到几千人也不会让两边收敛——需要改的是测量设计，不是样本量。

裁决类型：过时 / 需更新。⛔ 只引「资深开发者慢 19%」，是用约一年前的数据描述现在（样本采集期距基准日约 13 至 17 个月），该批评的这个版本已经不成立。本报告在这里不作伪平衡：这不是「双方各有道理」，是一条被其提出者自己更新掉的批评。

但裁决只走到这一步，不再往前一步。⛔ 不得把 −18% 写成「显著加速」：两个区间都跨过 0，点估计从 +19% 摆到 −18%、摆幅 37 个百分点，而选择效应尚未被排除。「19% 已过时」与「AI 已被证明提速」之间隔着一整个未决问题。

可操作的读法（三条）。① 引 19% 必须同时写 2025-07-10 发布、2025-02 至 06 采样，并注明已被 2026-02-24 的后续更新。② 引 18% 必须带区间 [−38%, +9%] 与 “hard to interpret”。③ 对 Anthropic 那三个内部数字，正确的折扣理由不再是「METR 那一轮测到了变慢」，而是**「它们是公司自产、无外部核验、且官方自陈行数口径高估」**。

什么新证据会改变这个判断：① 任何第三方机构对 METR 两轮设计的独立复现——尤其是能处理选择效应的设计；② 置信区间收窄到不跨过 0；③ 在闭源大型商业代码库上做同类随机对照试验（现有两轮都在开源仓库，而 Anthropic 的 80% 发生在闭源内部仓库，这是外推链上最薄的一环）。完整口径、置信区间与逐轮对照在 5-scaling.html。

5.7 · agent 工程的收益：外部研究批评的是外推，不是收益本身

《When AI builds itself》的数字属于「agent 能带来多大工程收益」这个更大的问题，而这个问题在 2026 年已经有了一批独立于 Anthropic 的对照研究。本页只做与上面那组内部数字对照的那一层，⛔ 不展开完整论证——主锚点在 7-product-eng.html。

三条最硬的外部对照。其一，Sayash Kapoor、Arvind Narayanan 等（Princeton）的《AI Agents That Matter》（arXiv:2407.01502）：agent benchmark 普遍只看 accuracy、不看 cost，而经过成本控制之后，「多次采样 + 简单基线」常常能胜过复杂 agent 架构；holdout 不足会导致 shortcut 与过拟合；WebArena、HumanEval 一类基准缺少标准化与可复现性。结论是：复杂 agent 经常昂贵，却拿不出可归因的增益。　其二，METR 的 holistic review：自动测试通过不等于 PR 可被合并——在 18 个真实任务里，agent 常能实现功能，但测试覆盖、lint、可维护性与 code quality 仍不合格。因此 frontier 模型在 SWE-bench 上拿到 70%+，不等于它能完成现实世界 70% 的 PR。　其三，《SusVibes》（arXiv:2512.03262）：大量功能正确的方案仍然带漏洞——功能测试系统性地漏掉 security，该安全基准中超过 80% 的功能正确方案仍不安全；另有研究报告生成项目在干净环境中只有约 68.3% 可直接运行。

    当前判定 · 部分削弱（限制外推范围），证据强度 A−
    

先说不成立的那一半。⛔ 「agent 都没有用」不成立——上面三条批评的对象是 benchmark 与泛化，不是否定所有收益；把它们读成「agent 无效」，与把 80% 读成「工程师需求减少 80%」是同一类错误。**再说成立的那一半。**它们确实限制了一个具体的外推：从「Anthropic 内部合并了 80% 的 Claude 代码」推不出「任意团队上 agent 都会有对应收益」——因为合并率不等于可维护性，功能通过不等于安全，而成本从未进入这组内部数字的分母。

Anthropic 的回应是「部分且高度一致」，这一点必须写清楚，否则会把对辩写成敌我。Anthropic 自己的工程文章就主张：多数场景不要上 agent、要控制 token 预算、transcript 与 outcome 要分开评估、要让人类读轨迹、要用真实任务、要 sandbox、并且明说 eval 会被优化掉。因此外部反方真正反驳的是「把内部数字当作普遍收益」这个外推动作，而不是 Anthropic 的谨慎原则本身。⚠️ 三份外部研究均为单篇未被第三方复现的外部论文，按本站口径只标第一维；证据强度 A− 来自「多机构、多任务」，而具体数字仍受 benchmark 选择影响。完整论证与逐条工程原则在 7-product-eng.html。

6 · 劳动力：预测与实证之间的张力

2026 年，这家公司的 CEO 在公开场合维持着一个关于大规模入门级白领岗位替代的预测，而它自己的经济学团队在同一年的论文里报告「暂时检测不到失业率影响」。**这个张力应当被写出来，而不是被抹平。**本节把它拆成三件事：预测到底说了什么、实证到底测到了什么、以及为什么这两者并不构成互相反驳——同时也不能因此把它读成一切安好。⚠️ 本节最容易写反的一处是：不是「他后来软化了」，而是「他没有软化，只是早期实证还没跟上」。

6.1 · 被检验的那个预测：它的确切措辞比流传版本弱，也比流传版本严厉

2025 年 5 月 28 日，Axios 发表《Behind the Curtain: A white-collar bloodbath》（作者 Jim VandeHei 与 Mike Allen），基于在 Dario 旧金山办公室的专访。这篇报道是此后一整年全部相关讨论的源头，而它最广为流传的两个元素都不是 Dario 说的。⚠️ 「white-collar bloodbath（白领大屠杀）」是 Axios 编辑部的标题用语，不是 Dario 的原话；⚠️ 文中「AI 可能消灭一半的入门级白领岗位、并在一到五年内把失业率推高到 10–20%」也是记者的转述句（原文句式为 ”…, Amodei told us in an interview”），不是逐字引语。他在该文中的直接引语是要求 AI 公司与政府停止 “sugar-coating”（粉饰）即将到来的冲击。🔴 引用时必须写全区间 10–20%，不得只取上限。

**但预测的内容他本人是认的。**2026 年 1 月 26 日，他在《The Adolescence of Technology》中以第一人称书面复述了同一判断，并同时否认了一种误读。这句话是本节全部论证的支点，也是中英文二手讨论几乎都没有引到的一句：

This is a topic that I warned about very publicly in 2025, where I predicted that AI could displace half of all entry-level white collar jobs in the next 1–5 years… some didn’t see the 1–5-year time range and thought I was claiming AI is displacing jobs right now (which I agree it is likely not). — Dario Amodei，《The Adolescence of Technology》 2026-01-26 · 官方文本逐字 · darioamodei.com/essay/the-adolescence-of-technology ^[4]（访问日期 2026-07-25）

这段话里有三个必须同时保留的信息。第一，动词换了——记者转述用的是 “wipe out”（抹去），他本人用的是 “displace”（替代）与 “disrupted”（被扰动），语义强度明显不同。第二，时间窗是 1 到 5 年，即 2026 年 5 月至 2030 年 5 月；截至本报告基准日，这个窗口才过去约 14 个月。第三，他主动排除了「AI 现在正在大规模替代岗位」这个读法，而且用的是「我同意它很可能没有」这种明确措辞。⚠️ 第三条决定了下一节那份实证研究应该怎么读：一份显示「当下尚未出现影响」的研究，与一个关于「未来一到五年」的预测，测的不是同一件事。

      10–20%
      失业率预测区间
      ⚠️ **记者转述句，非逐字引语**（Axios，2025-05-28）。时间窗 **1–5 年**，即 2026-05 至 2030-05；截至基准日只过去约 14 个月。**必须写全区间。**
    
    
      约 1 个百分点
      该框架的可检测幅度
      **这不是「样本太小看不出来」。**论文自陈其置信区间足以检出约 1 个百分点量级的差异化失业率上升，因此这是一个**有检验力的零结果**。
    
    
      14%
      22–25 岁找工作率降幅
      ⚠️ 原文自陈「**just barely statistically significant**」（勉强达到统计显著），且 **25 岁以上无此现象**。单独抽出这个数字即为选择性引用。
    
  

  

6.2 · ★ 他没有软化，被删掉的是光谱的最后一档

另一种流行写法是「Dario 后来软化了他的就业预测」，而这个说法的来源是一处具体的引文删节。他在 Dwarkesh 播客第二期把「90% 代码」这句话摊开成一条光谱，官方文字稿的完整原文如下——请特别注意最后一句：

The spectrum is: 90% of code is written by the model, 100% of code is written by the model… 90% of the end-to-end SWE tasks — including things like compiling, setting up clusters and environments, testing features, writing memos — are done by the models. 100% of today’s SWE tasks are done by the models. Even when that happens, it doesn’t mean software engineers are out of a job. There are new higher-level things they can do, where they can manage. Then further down the spectrum, there’s 90% less demand for SWEs, which I think will happen but this is a spectrum. — Dario Amodei，Dwarkesh 播客第二期《We are near the end of the exponential》 2026-02 · 官方文字稿逐字（一手 · 书面）· dwarkesh.com/p/dario-amodei-2 ^[36]（访问日期 2026-07-25）

🔴 **常见的删节点，恰好在最后一句之前。**大量转述（包括本报告自己早期的一版事实基线）把引文停在 “it doesn’t mean software engineers are out of a job”，于是整段话读起来变成了一句安抚：「AI 写 90% 的代码，不等于不需要 90% 的工程师。」**而原文紧接着的下一句是：「再往光谱下游走，是对软件工程师的需求减少 90%——我认为这会发生，但这是一个光谱。」**补回这一句之后，他的真实立场是：**这两件事不是一回事，但需求减少九成那一档他认为终将到来。**删掉它，会让本页与 1-dario.html 对同一个人的刻画自相矛盾——一边严厉，一边温和。

    关键洞察
    

本页对这个张力的判断是：不是他软化了，而是早期实证还没跟上。依据是两份一手书面材料，缺一条这个判断就立不住。其一，完整的光谱引文以「对软件工程师的需求减少 90%，我认为这会发生」收尾——这是一个严厉判断，而不是一句安抚；如果他真的软化了，光谱不会以这一档结束。其二，2026 年 1 月的书面复述做的是时间上的澄清，不是幅度上的下调——他重新拎出 1–5 年的窗口，并说「AI 现在很可能没有在替代岗位」，但没有收回 50% 与 10–20% 这两个数字，也没有延长窗口。两条合起来指向同一个结论：**预测的内容与强度都没有变化，变化的只是他开始强调「窗口内的哪一年」。**因此把 2026 年的零结果读成「预测已被证伪」，与把它读成「他已经改口」，是两个方向相反、但同样不准确的读法。

      **图 9 ·** 编者按 Dwarkesh 第二期官方文字稿绘制的四档光谱。**🔴 读这张图的第一条纪律是：不得在第 3 档处截断。**他的完整立场是「代码行占比」与「工程师需求」是两件事，**但需求减少九成那一档他认为终将到来**。⚠️ 两处必须说明的简化：其一，原文在第 3 档与第 4 档之间**还有一档「今天全部的 SWE 任务都由模型完成」**，以及那句最常被当作句号的「这不意味着软件工程师失业」；本图按四档呈现，是为了不让第 4 档被淹没。其二，**这是一条光谱、不是四级台阶**，切成四段只是为了标注。**数字纪律：本报告一律用 80%（官方内部统计）与约 4 倍（130 人内部调查的中位数），不用 90% 与 8 倍**——90% 是 2025 年 3 月的预测，8 倍是行数口径且官方自承高估（见 §5）；🔴 **三个数字全部无外部核验，因此本报告不称其为「实测」**。依据：Dwarkesh 播客第二期官方文字稿 [@src-bb7fb810cf]（2026-02，一手 · 书面）与 《When AI builds itself》 [@src-dc0ef612e9]（2026-06）（访问日期 2026-07-25）
    
  

  

6.3 · Anthropic 自家的实证：三条结论必须一起引

2026 年 3 月 5 日，Anthropic Economic Research 发布《Labor market impacts of AI: A new measure and early evidence》，作者是 Maxim Massenkoff 与 Peter McCrory。它提出了一个叫 **observed exposure（观察到的暴露度）**的新度量：把 O*NET 的职业任务清单、Anthropic 自己的使用数据、以及 Eloundou 等人的任务级理论暴露度估计三者结合，对「自动化型」而非「增强型」的使用赋予更高权重。这个方法设计本身值得注意——它衡量的不是「AI 理论上能做什么」，而是「AI 实际上正在被用来替代什么」。🔴 **但先钉住它的位置：这是一家 AI 公司的经济学团队，用自家使用数据构造的度量，去测量自家产品的劳动市场影响。**它同时是本页最重要的一条反方证据，也是一条公司自产证据——⚠️ 两个标签必须一起挂。

论文有三条结论，它们必须一起被引用。只引其中任何一条，都会把这份研究变成它自己反对的那种材料：

      ① 已见
      

高暴露职业已被精确识别。原文的结论句是 “We find that computer programmers, customer service representatives, and financial analysts are among the most exposed.”——程序员、客服代表、金融分析师是暴露度最高的一组职业。这一条是支持预测方向的证据：暴露是真实的、可测量的，而且已经很高。

      ② 未见
      

失业率影响暂时检测不到。自 2022 年末以来，高暴露劳动者与低暴露劳动者之间失业率差距的变化很小，双重差分估计与零无法区分。🔴 关键在于下一句：论文自陈该框架有能力检测约 1 个百分点量级的差异化上升，甚至能看见「白领版大衰退」那种量级的变化。因此这不是「样本太小看不出来」，而是一个有检验力的零结果——两者的证据强度完全不同。

      ③ 边缘
      

**年轻人招聘有初步放缓信号，但统计上勉强显著。**作者改用 CPS 的面板维度直接测量 22–25 岁劳动者进入高暴露职业的月度找工作率，得到「ChatGPT 之后相比 2022 年下降 14%」；⚠️ 但原文紧接着写「although this is just barely statistically significant」，而且 25 岁以上劳动者没有这种下降。🔴 只引 14% 而不引 ② 与这句自陈，是对 Anthropic 自家研究的选择性引用。

      **图 10 ·** 同一篇论文里方向相反的两张图，**它们是这份研究最应该被并置阅读的一对**。**左图是宏观指标：没有动。**高暴露组的失业率相对低暴露组没有系统性上升，双重差分估计与零无法区分。**右图是入口指标：有一点动静。**22–25 岁进入高暴露职业的月度找工作率在 2024 年与低暴露职业分岔，合并估计为下降 14%。⚠️ **两张图必须同屏**：只看左图会得到「什么都没发生」，只看右图会得到「年轻人已经被挤出去了」，而论文自己对右图的定性是「**勉强达到统计显著**」，并列出了三种替代解释（留在原工作、换了别的工作、回去读书）。⚠️ 本报告不对这两张图作因果解读——论文本身也没有。来源：Massenkoff & McCrory，《Labor market impacts of AI: A new measure and early evidence》 [@src-ccb1975b79]，Anthropic，2026-03-05，官方论文配图（合理使用，须注明来源）（访问日期 2026-07-25）
    
  

  

  
    口径说明 · 为什么本节几乎不引 Economic Index 的其它百分比
    

Anthropic 在 2026 年把 Economic Index 从「一份年度报告」建设成了一套持续运行的测量基础设施：月度与季度报告、国别简报（印度 02-16、澳大利亚 03-31、加拿大 07-14）、调查、研究基金，以及一个可对话查询的数据连接器。本报告只对其中两期做了逐字核对——economic primitives（2026-01-15）与《Labor market impacts of AI》（2026-03-05）。⚠️ **其余各期的具体百分比未逐字核对，因此本节只写方法与方向，不引数字。**这不是对那些报告的质疑，而是本报告的引用纪律：核不到原文的数字就不写。

6.4 · 张力的准确表述，以及两种都成立的读法

把上面的材料收拢成一句话：这家公司的 CEO 公开预测大规模入门级白领岗位替代，而它自己的经济学团队在同一年报告「尚未检测到失业率影响」。这个张力是真实的，不应当被任何一方抹平。但它不等于「预测被自家数据反驳」——理由在时间：预测的窗口是 2026-05 至 2030-05，2026 年只是窗口的第一年，而预测者本人早在 2026 年 1 月就写下了「AI 现在很可能没有在替代岗位」。真正的张力因此不在「预测 vs 数据」之间，而在「预测 vs 公众对预测的理解」之间——后者的形成，一部分正来自那句记者转述的 “wipe out”。

批判性读法

**一个把窗口设成 1–5 年、把幅度设成 50% 的预测，在头一两年内几乎不可能被证伪。**预测者随后又用「我同意现在还没有发生」把当下这一段划出了检验范围。这种结构在认识论上是安全的：**数据没动，可以说「还没到时候」；数据动了，可以说「我早说了」。**要让它成为一个可被检验的命题，需要预测者给出中途的可证伪标记——例如到 2028 年应该看到什么、看不到什么就算错。截至基准日，这样的中途标记没有公开版本。

另一层：**关于这个议题最详尽的连续测量来自一家卖 AI 的公司。**方法审慎不能消除数据源的位置——它既是被测量对象的供应方，也是测量工具的所有者，还是「AI 经济影响」这个议题的主要话语生产者之一。

同情性读法

这家公司完全可以不发这篇论文。它发布了一份与自家 CEO 最著名的公开警告方向相反的实证研究，明确写下「暂时检测不到失业率影响」，并主动说明该框架有能力检测约 1 个百分点的变化——后半句是在提高自己被证伪的可能性，而不是降低。论文开篇还引了三个「过去的预测方法翻车」的前车之鉴来给自己降调。这是一份研究材料该有的样子，不是一份宣传材料该有的样子。

关于预测本身：Dario 在 2026 年做的调整不是撤回，而是从描述性转为规范性。《Policy on the AI Exponential》里的原话是「enduring job displacement is undesirable and dangerous… not because I am trying to be a ‘prophet of doom’」——把「我预测它会发生」改成「我认为应当阻止它发生」。这个转变值得被准确记录，而不是被压成「他坚持」或「他软化」。

还有一条常被忽略的对照，来自这家公司自己的另一份文件。§5 引过《When AI builds itself》里那两段匿名员工自述：一段讲同事之间「互相帮小忙的赠礼经济」被 Claude 取代（“it creates zero debt, but each of these is a lost bid for human collaboration”），一段讲「顺利的日子里我忍不住想我做的一切都不重要」。把它们与 3 月那篇论文并置，会得到一个比任何单一数字都重要的观察：在一家 AI 扩散程度接近上限的公司里，发生的不是岗位消失，而是岗位内容被掏空、瓶颈上移、意义感受损。如果 AI 对劳动市场的第一阶效应是角色重构而非岗位削减，那么失业率本身可能就是一个滞后甚至错误的先行指标——而这恰恰是 Anthropic 自己那篇论文选择另造一把尺子（observed exposure）的理由。⚠️ 员工自述是匿名引述，不能当作可推广的样本。

6.5 · ★ 业界最强反方：这个张力不只在公司内部，它在劳动经济学里有正面对手

到这里为止，本节处理的还只是同一家公司内部的张力：CEO 的预测 vs 自家经济学团队的零结果。⚠️ 但如果只写到这里，读者会得到一个错误印象——好像唯一能检验这个预测的材料来自 Anthropic 自己。事实不是这样：「任务暴露会不会快速变成岗位消失」是劳动经济学里一个有正面对手、有定量估算、有替代模型的成熟争论，而这些反方与 Anthropic 完全无关。下面这个对辩块是本页最重要的一处，⛔ 它不推翻上一节那个判断（不是他软化了，是早期实证还没跟上），而是给那个判断补上它缺的那一半：就算实证跟上了，替代率也未必按预测的方向走。

    对辩 · 任务暴露会不会在 1–5 年内变成一半入门级白领岗位消失　经验层测量层
    
      
        最强版本
        

Dario 的最强版本是一个带区间、带时间窗、带定性的警告，不是一个点预测。内容是：AI 可能在未来 1 至 5 年内替代约一半入门级白领岗位，失业率可能达到 10–20%（🔴 区间必须写全，⛔ 不得只取上限）；软件、金融、咨询、法律等行业率先受冲击。

**它的最强形态还包含两条限定，删掉任何一条都是稻草人化。**其一，他把它定性为 warning / magnitude——是让公众与政策方看见量级的警告，不是一个他有把握的确定预测；其二，他明说这不是当前正在发生的事。因此可辩护的版本是：这是一个关于窗口尾段的高端情景，而不是一个关于此刻的描述。

        最强反方
        

① Daron Acemoglu（MIT）·《The Simple Macroeconomics of AI》。核心论证是方法论上的：把能力进步直接外推为岗位替代，是一种自动化导向的 motivated reasoning——劳动力市场的结果并不由「模型能做什么任务」决定，而由新任务创造、工序重组、成本、组织采用速度、需求弹性与制度共同决定。他的定量估算与「一半岗位」相差一个量级：约 4.6% 的任务在十年内既技术可行又经济上划算地被自动化；由此带来的全要素生产率十年累计约 0.66%，甚至可能低于 0.53%。

② ILO–NASK 2025 全球指数。基于 30,000 个职业描述的任务级分析：全球约 25% 的岗位有某种生成式 AI 暴露，但落在最高暴露等级的只有约 3.3%。原因是绝大多数岗位由混合任务构成——可自动化的任务与不可自动化的任务捆在同一个职位里。因此它给出的最可能结果是「岗位转型」，不是「岗位消失」。

③ David Autor 与 augmentation 传统。新技术在替代旧任务的同时也创造新任务并提升留下来那部分劳动的边际生产率；照这条路径，入门岗位更可能被重构，而不必按比例消失——今天的入门工作内容会变，但入口不必按 50% 收窄。

④ 通用技术的扩散速度。⚠️ 这一条是编者的历史类比，不是从上述文献中引出的具体论断：电力与计算机作为通用技术，其可测的生产率效应都滞后于技术可用性数十年，原因在于互补性投资、组织重组与技能积累都需要时间。若这个类比成立，「能力已具备」与「岗位已消失」之间就存在一个结构性时滞；⛔ 本报告不为这一条援引任何具体文献。

        可验证证据
        

① 🔴 最有意思的一条反方证据，是 Anthropic 自己产的。《Labor market impacts of AI》（2026-03-05，Massenkoff & McCrory）报告：高暴露与低暴露劳动者之间的失业率差距与零无法区分，而该框架有能力检测约 1 个百分点量级的变化——这是一个有检验力的零结果，不是「样本太小看不出来」。22–25 岁高暴露职业找工作率下降 14%，但原文自陈 “just barely statistically significant”，且 25 岁以上没有同样结果。这条证据的双重身份本身就值得单独指出：公司自己的经济学团队，给出了与自家 CEO 预测方向不一致的零结果。⚠️ 它同时是「最有力的反方证据」和「公司自产证据」——两个标签都要挂上，缺任何一个都会误导。

**② Economic Index 多期中，augmentation 型使用仍占重要比重。**如果替代型使用没有压倒增强型使用，那么「暴露」这个量与「替代」这个量之间就还隔着一层。⚠️ 本报告未逐字核对各期百分比，只写方向与方法。

**③ 🔴 支持 Dario 那一侧的证据也必须给全，否则就是伪平衡。**四条：入门级技术岗位招聘下降；企业开始主动把裁员归因于 AI（而不是掩饰）；22–25 岁群体的招聘出现初步信号；coding agent 能力在快速提高——第四条本页 §5 已给出内部与外部两组数字。

④ 但这四条都受同一组混淆因素限制。⚠️ 相关不等于 AI 因果：高利率环境、疫情后的过度招聘回吐、行业自身周期与这一轮 AI 采用在时间上高度重叠，而现有材料无法把它们分开。把入门岗位招聘下降直接记到 AI 头上，与把失业率没动直接读成「AI 没影响」，是对称的两个错误。

**⑤ 一条独立于 Anthropic 的同向测量。**Stanford Digital Economy Lab（Brynjolfsson 等）报告 22–25 岁劳动者在高暴露职业中就业下降 6–16%，与 Anthropic 自家论文那条「入门端有信号、宏观没动」的组合方向一致。⚠️ 方向一致不等于口径一致，两者的暴露度定义与数据源不同。

        Anthropic 回应
        

**回应过，而且是三种形式的回应。**其一，预测者本人在文本里排除了最容易被误读的那一种读法——《The Adolescence of Technology》（2026-01-26）原话：“some didn’t see the 1–5-year time range and thought I was claiming AI is displacing jobs right now (which I agree it is likely not).” 🔴 这一句是全节的支点：他明确同意「AI 现在很可能没有在替代岗位」。

其二，他把这个判断定性为 warning / magnitude，不是确定预测；2026 年的调整方向也不是撤回，而是从描述性转向规范性——《Policy on the AI Exponential》里写「enduring job displacement is undesirable and dangerous… not because I am trying to be a ‘prophet of doom’」。其三，也是制度上最实在的一条：公司建了 Economic Index 与 labor report，用来检验自己的预测，并主动写明该框架能检出约 1 个百分点的变化——这是在提高自己被证伪的可能性，而不是降低。

        Reviewer 裁决
        

**所在层：这条争论横跨两层，而这正是它难缠的原因。**经验层「高暴露职业的失业率有没有动」是一个纯粹的事实问题，它会被 2027、2028 年的数据解决——本报告因此给出了两条硬指标（见下）。测量层但「一半入门级白领岗位」这个幅度之所以与 Acemoglu 的 4.6%、ILO 的 3.3% 差出一到两个量级，相当一部分来自三方在数「什么算一个被替代的岗位」时用了不同的尺子：任务级暴露度、经济上划算的自动化比例、最高暴露等级的岗位占比——⚠️ 这三把尺子即使数据完备也不会自动对齐。🔴 注意这里没有世界观层：无论持何种价值立场，这条主张原则上都是可裁决的——它只是还没被裁决。

**证据强度：A（关于「当前尚无大规模替代」）／ B（关于「未来 1–5 年会不会发生」）。**两个等级不同，是因为前者有多个独立与自产来源的同向零结果，而后者本质上是对一个尚未展开的过程的推断。

🔴 裁决一句话：50% 是高端情景，不是当前最可能估计。Acemoglu 的 4.6% 与 ILO 的 3.3% 都不是「另一个预测」，它们是用不同方法算出的、比 50% 低一到两个量级的中心估计；而 Dario 那个数字的可辩护地位是警告的量级上限。⛔ 因此本报告既不写「预测被打脸」，也不写「预测已被验证」，更不写「双方各有道理」——本报告写：这条主张的中心估计应当下调，其警告价值应当保留。

可操作的读法（三条）。① 引这个预测必须带三件套：区间 10–20%、窗口 1–5 年（2026-05 至 2030-05）、以及他本人「现在很可能还没发生」那句。② 看到「一半入门级白领岗位」时，同屏应当出现 Acemoglu 的 4.6% 与 ILO 的 3.3%——不是为了否定它，是为了让读者知道这个数字在专业分布里的位置。③ 不要用「失业率没动」去反驳它，那是在用一个关于现在的量去否定一个关于窗口尾段的判断。

**什么新证据会改变这个判断（两条硬指标）。**① 高暴露职业的失业率出现可检出的双重差分效应——即那条双重差分估计离开零、且超过该框架约 1 个百分点的检出下限；这会把裁决从「高端情景」推向「正在发生」。② 25 岁以上群体出现与 22–25 岁同样的找工作率下降——目前的信号严格局限于最年轻的入职端，一旦它向上蔓延，「入口收窄」就变成了「存量替代」，两者的政策含义完全不同。反方向同样有改判条件：若 22–25 岁那条 14% 在样本扩大后回落到噪声，且 Acemoglu 的低速路径被后续 TFP 数据支持，那么这条主张就应从「未决」下调为「实质削弱」。

    当前判定 · 未决（预测窗口内的第一年）
    

可以裁决的是三件事：高暴露职业已被识别（被支持）；失业率层面的影响在一个有检验力的框架下未被检出（当下未见）；22–25 岁的招聘放缓有初步但勉强显著的信号（边缘）。不能裁决的是预测本身——窗口才过去约 14 个月。准确的一句话是：一个被媒体压缩成耸动标题的条件性长期预测，与一份显示短期尚无宏观影响的实证研究，被公众误置为互相矛盾；而预测者本人早已在文本中作出了区分。⛔ 本报告不写「预测被打脸」，也不写「预测已被验证」。🔴 但「未决」只针对时间，不针对幅度：在幅度上，上面那个对辩块已经给出了更强的裁决——50% 是高端情景，不是当前最可能估计，因为独立于 Anthropic 的两套定量估算（Acemoglu 约 4.6% 的任务、ILO 约 3.3% 的最高暴露岗位）都低出一到两个量级。

• 《Labor market impacts of AI》的后续期次：论文自陈会「periodically revisit」。同一套 observed exposure 度量在 2027、2028 年重测时，高暴露组的失业率差距是否离开零。

• 22–25 岁那条曲线：14% 的降幅在样本扩大后是变成稳健显著，还是回落到噪声。这是目前唯一带方向的信号。

• Dario 是否给出中途的可证伪标记：例如「到某年应看到入门级招聘下降多少」。给出即意味着这个预测从修辞变成了可检验命题。

• 光谱第 2、3 档的官方数字：目前只有第 1 档有官方内部统计口径（80% 以上）。若官方开始披露「端到端 SWE 任务由模型完成的比例」，光谱就从叙述变成了刻度。

• 独立于 Anthropic 的同类测量：Stanford Digital Economy Lab 的 Brynjolfsson 等已报告 22–25 岁在暴露职业就业下降 6–16%，方向一致。第三方能否复现「失业率无影响 + 入门端有信号」这个组合，决定了这个结论属于谁。

7 · 行业对照：四条路线，与三套互不通约的份额口径

横向对照是本报告最容易失真的一类写作，因为不同公司披露的东西根本不是同一种东西：有的披露估值不披露收入，有的披露训练成本不披露研发总投入，有的连模型权重都开源却从不公布用户数。本节因此不做「谁更强」的排名，只做三件事：把可比的量放在同一张表里、把不可比的量明确标成不可比、把中文世界的独立视角单列一节。⚠️ 本节所有份额、人数、人才流动数字都必须连口径与年份一起读——脱掉口径之后，它们中的大多数会变成另一个意思。本节的表编号接续前六节（表 6 起），图编号接续第六节（图 13 起）。

7.1 · 估值横切面：第一次反超，以及同一天的另一条新闻

先把两个最常被并排引用的数字对齐口径。Anthropic 2026-05-28 Series H 的投后估值为 $9,650 亿（官方公告，2026-05，自报），OpenAI 2026 年 3 月轮的投后估值约 $8,520 亿（2026-03，第三方报道）。这是 Anthropic 的估值口径第一次超过 OpenAI——这个说法有依据，但它承载的信息比看上去少得多。🔴 两个数字都是投后估值，不是市值：两家公司都未上市，投后估值是一次私募交易的定价，由参与该轮的少数投资人与公司协商得出，它既不由公开市场连续报价，也不代表任何人能按这个价格卖出。把它写成「市值」是本年度最高频的一处口径错误。⚠️ Anthropic 那一侧的数字出自公司自己的轮次公告，未经审计。

另有一个中文财经媒体给出的对照角度值得记一笔：Anthropic 交易的前瞻收入倍数约 43.9 倍，OpenAI 约 31 倍（2026-02，第三方估算）。⚠️ 这个比较的边界很硬：前瞻收入倍数依赖对「未来 12 个月收入」的估计，而两家公司的收入口径本身都不公开、也不可比（见 §2 对 run-rate 的拆解）。它能说明的只是一件事：在同一批投资人眼里，Anthropic 每一块钱的（预期）收入被定了更高的价。至于这个溢价来自企业市场的黏性、编码场景的领先，还是来自「安全定位带来的监管友好度」，公开材料无法裁决。

估值之外还有一件同日发生的事，必须记在行业对照里而不是记在商业里。2026-02-27，在国防部长与总统先后发帖宣布把 Anthropic 定性为国家安全供应链风险、并将其移出联邦系统的同一天，五角大楼与 OpenAI 的协议对外公布。⚠️ 本页对这件事只写这一句——「同日」是一个已核实的时间事实，不是一个因果结论，本报告不主张任何一方安排了这个时间点。制度链条、三条威胁、初步禁令的边界与双向 steelman 全部在 6-safety-policy.html。

        公司 / 实验室最新可引的规模口径路线与重心与 Anthropic 的关键差异（可比的那一部分）| 公司 / 实验室 | 最新可引的规模口径 | 路线与重心 | 与 Anthropic 的关键差异（可比的那一部分） |

      
      
        **OpenAI**2026-03 轮投后约 $8,520 亿消费级 ChatGPT + API + 政府合同，产品面最宽消费端体量远大于 Anthropic，因此任何「企业 API 支出份额」的口径都会系统性低估它| OpenAI | 2026-03 轮投后约 $8,520 亿 | 消费级 ChatGPT + API + 政府合同，产品面最宽 | 消费端体量远大于 Anthropic，因此任何「企业 API 支出份额」的口径都会系统性低估它 |

        **Google DeepMind**无独立估值（母公司内部部门）自研 TPU + 搜索与办公套件分发 + 基础研究唯一同时拥有自有芯片、自有分发渠道与自有数据中心的一家；它的成本结构不与任何独立实验室可比| Google DeepMind | 无独立估值（母公司内部部门） | 自研 TPU + 搜索与办公套件分发 + 基础研究 | 唯一同时拥有自有芯片、自有分发渠道与自有数据中心的一家；它的成本结构不与任何独立实验室可比 |

        **Meta**无独立估值（母公司内部部门）开放权重路线 + 社交产品内嵌分发它不靠 API 收入定义成功，因此「API 支出份额」这个尺子对它几乎不适用| Meta | 无独立估值（母公司内部部门） | 开放权重路线 + 社交产品内嵌分发 | 它不靠 API 收入定义成功，因此「API 支出份额」这个尺子对它几乎不适用 |

        **DeepSeek**未披露估值；最后一次训练运行按假想租金折算约 $5.576M开放权重 + 极致训练与推理成本优化🔴 $5.576M 是**最后一次训练运行**的 GPU 小时按**假想租金**折算，**论文自陈不含前期研究与消融**，且 DeepSeek **拥有自己的硬件、从未付过租金**；SemiAnalysis 估其服务器资本支出约 **$16 亿**。⛔ 用它对比任何公司的总投入都是范畴错误（详见 §7.3）| DeepSeek | 未披露估值；最后一次训练运行按假想租金折算约 $5.576M | 开放权重 + 极致训练与推理成本优化 | 🔴 $5.576M 是最后一次训练运行的 GPU 小时按假想租金折算，论文自陈不含前期研究与消融，且 DeepSeek 拥有自己的硬件、从未付过租金；SemiAnalysis 估其服务器资本支出约 $16 亿。⛔ 用它对比任何公司的总投入都是范畴错误（详见 §7.3） |

        **Qwen（阿里）**未单独披露开放权重 + 云业务捆绑 + 中文生态默认选项它的成功指标是云消费与生态占有率，不是模型订阅收入| Qwen（阿里） | 未单独披露 | 开放权重 + 云业务捆绑 + 中文生态默认选项 | 它的成功指标是云消费与生态占有率，不是模型订阅收入 |

        **Cursor / Windsurf**未在本报告核实编码 Agent 的应用层，模型多为外采它们既是 Anthropic 的**客户**又是 Claude Code 的**竞品**——同一家公司在同一条价值链上同时是供应商与对手| Cursor / Windsurf | 未在本报告核实 | 编码 Agent 的应用层，模型多为外采 | 它们既是 Anthropic 的客户又是 Claude Code 的竞品——同一家公司在同一条价值链上同时是供应商与对手 |

      
      表 6 · 跨公司对照（金额为整块表格，故用普通美元符号）。🔴 **本表刻意不排名、不打分**：四列里只有第二列是数字，而这一列的六个格子分属四种互不相同的口径（私募投后估值 / 无独立估值 / 单次训练成本 / 未披露）。**把它们纵向读成一个梯队，就是本节警告的那种失真。**来源：各轮融资公告与第三方报道（访问日期 2026-07-25）。
    
  

  

7.2 · ★ 三套份额口径：40% 是真的，但它不是「AI 市场的 40%」

§2.7 已经拆过这组数字的口径，这里不重复拆解，只做一件那里没做的事：把三套口径画在同一张图上，让「它们量的不是同一件事」变成一个可以一眼看见的事实。需要重申的三条边界是：Menlo Ventures 的 40% 是「企业 LLM API 支出份额」（2025-12-09 发布，第三方报告），它明确排除 ChatGPT 等消费产品，也排除 Claude for Work 与 Claude Code；OpenRouter 口径下 Anthropic 约占 12–15% 的 token 调用量却拿走约 42% 的收入；⚠️ 截至 2026 年 7 月，Menlo 尚未发布 2026 年更新报告，因此所有份额数字都是 2025 年末的快照。⚠️ 另需披露：Menlo Ventures 是 Anthropic 的股东。

    ⛔ 一条因果禁令：不得写「安全造就了商业领先」
    

这组份额数字最常被接上的下一句是「企业买的正是安全」或「安全定位造就了 Anthropic 的市场领先」。🔴 本报告不写这两句，只写一句更弱也更能被证据支撑的话：安全工作与企业需求同向。「同向」与「造就」相差的是一个因果方向，而这个方向在现有材料里从未被识别过。

⚠️ 第一个理由是这份数据本身量的不是动机。Menlo 的 40% 是企业 LLM API 支出份额——它统计的是钱流向了谁，不是一份采购动机调查；没有任何一道题问过采购方「你为什么选它」。⚠️ 第二个理由是同一批数据支持好几种解释，而且它们互相竞争：编码能力（同一份报告里编码场景 54% 对 21%，是全部细分场景中差距最大的一个）、Claude Code 生态与开发者工具链、价格、云分发渠道（AWS 与 Google Cloud 两条现成的企业采购通道）、以及竞争对手的产品窗口。ZDNET 的 Tiernan Ray 据同一份 Menlo 数据，把增长主要归因于编码表现与工具生态，而不是安全定位——⚠️ 同一批数字，两种归因，而数据本身无法在两者之间裁决。

⚠️ 第三个理由更基础：「安全」与「可靠」不是同一个可观测变量。企业采购时在意的「不出乱子、可预期、合规好过审」是产品可靠性；Anthropic 的安全研究议程处理的是对齐与灾难性风险。两者在市场沟通里常被同一个词覆盖，但它们对应的是不同的证据。🔴 因此这条主张在 §8.4 表 9 里的判定是竞争假说，所在层是测量层——⛔ 它不是「已被证伪」，而是因果方向根本没有被识别，现有口径也识别不了。

      **图 13 ·** 编者按公开报道绘制的口径对照，**不是任何一方的官方图表**。这张图想说明的不是「哪个数字对」，而是**三个数字量的根本不是同一个东西**：口径 ① 量的是企业采购预算的流向，口径 ② 量的是调用次数，口径 ③ 量的是平台上的钱。⚠️ **它们之间不存在换算关系**——一家单价高、被用在高价值任务上的供应商，完全可以同时呈现出「支出份额高、调用量份额低、收入份额高」这种组合，而这正是 Anthropic 目前的形状。🔴 **本图不支持任何形式的「Anthropic 占 AI 市场 40%」表述**；Menlo 的统计口径把消费产品、Claude for Work 与 Claude Code 全部排除在外。来源：Menlo Ventures《2025: The State of Generative AI in the Enterprise》（menlovc.com [@src-02b5a31225]，2025-12-09）与 OpenRouter 公开排行的二手报道；编者绘制（访问日期 2026-07-25）。⚠️ 利益披露：Menlo Ventures 是 Anthropic 的股东。
    
  

  

7.3 · 四条路线：它们竞争的甚至不是同一个东西

OpenAI 是唯一在消费端与企业端同时具备体量的一家，这决定了它在任何「企业 API 支出份额」的口径里都会被系统性低估——ChatGPT 的订阅收入不进这张表。⚠️ 因此当中英文报道同时出现「Anthropic 在企业市场领先」与「OpenAI 用户规模遥遥领先」时，这两句话可以同时为真，它们量的是不同的东西。两家公司在 2026 年的另一处对照更值得记：在 Anthropic 与国防部的冲突进入公开阶段的同一天，五角大楼与 OpenAI 的协议公布（见 6-safety-policy.html）。这说明「拒绝某些军事用例」在 2026 年是一个有真实商业代价的选择，而不是一个零成本的姿态——这一点无论对 Anthropic 持何种评价都应当被记录。

**Google DeepMind 是结构上最不可比的一家。**它同时拥有自研 TPU、自有数据中心、以及搜索与办公套件这两条现成的分发渠道；换句话说，它是唯一一家不需要向别人买算力、也不需要向别人买用户的前沿实验室。⚠️ 这意味着任何关于「单位推理成本」或「毛利率」的跨公司比较，在它身上几乎必然失效：一家把芯片、机房、模型、渠道全部内部化的公司，其内部转移定价不对外披露，外部无从计算。Meta 则代表第三种指标体系：开放权重路线的成功不体现在 API 收入上，而体现在下载量、微调生态与社交产品的内嵌使用。用「API 支出份额」去衡量 Meta，与用「论文引用数」去衡量一家零售公司是同一类错误。

DeepSeek 那个 $600 万，是中英文世界共同的一处口径事故。🔴 它是单次训练 run 的成本口径，不是总研发成本，而且这个口径比「单次训练 run」这五个字还要窄。四条细节缺一不可：① 论文里的 $5.576M 是把最后一次训练运行所耗的 GPU 小时，按一个假想租金（每 GPU 小时 $2）折算出来的推算值，不是任何人真实支付过的一笔钱；② 论文自己写明该数字不包含前期研究、架构探索与消融实验的成本；③ DeepSeek 拥有自己的硬件，从未为这些 GPU 小时付过租金，因此那个折算价与它的实际支出没有对应关系；④ SemiAnalysis 估计其服务器资本支出约 $16 亿——与 $5.576M 相差约三个数量级。

这一点最有力的旁证恰恰来自 Dario 本人：他在《On DeepSeek and Export Controls》（2025-01-29）的脚注里按面值接受了这个数字，明确区分了「训练某个具体模型的成本」与「整体研发成本（高得多）」，并同时说 Claude 3.5 Sonnet 是一个中等规模模型、训练成本在「几个千万美元」量级。⚠️ 请注意这句话的方向：他没有质疑 $600 万，他质疑的是拿它对比总投入——有中文报道把这一点写反了，说成「Dario 不相信这个数字」。用一家公司的单次 run 成本去对比另一家公司的总研发投入，是范畴错误。

    一条通用纪律：批评本身建立在错误事实上时，必须在同一段内更正
    

🔴 凡引用建立在「DeepSeek 只花 600 万造出前沿模型」这个误读之上的批评——无论它批评的是出口管制、是美国实验室的算力浪费、还是 Anthropic 的成本结构——都必须在同一段内给出上面那四条更正。理由很直接：如果不更正，报告就会连同那条批评一起把错误继承下来，而读者拿到的会是一个「有出处、有立场、但底座是错的」的论点。⚠️ 这条纪律不只针对这一个数字。本站另有三处同类：把 “white-collar bloodbath” 当作 Dario 的原话（那是 Axios 的标题用语，见 §6.1）、把「10–25%」当作他给出的 p(doom) 区间（那是两个不同时点表述的拼接，主锚点在 1-dario.html）、把「可解释性被证伪」记到《All Circuits Lead to Rome》头上（论文结论段自己写 “our findings do not undermine CSD”，见 §8.4 表 10）。⛔ 这四处一律不得只引批评而不带更正。

完整拆解在 5-scaling.html。

**Qwen 与整个中文模型生态，在 2026 年构成的是另一种压力。**它的机会来自三处：后发蒸馏、低成本推理，以及一个常被高估难度的事实——大量真实场景只需要「足够好」的智能，而不需要前沿智能。⚠️ 但同一份中文产业分析也给出了对冲：如果头部模型公司愿意认真优化「同等智能的小模型」，国产模型的单位成本优势能否长期保持，目前无法判断。本报告采纳这个双向表述，不采纳「国产模型已经追平」或「差距仍然巨大」中的任何一端——这两种结论在 2026 年的公开材料里都找不到足够支撑。⛔ 本节不引任何具体 benchmark 分数做跨模型排名：benchmark 数字脱离 harness 口径（评测脚手架、尝试次数、是否允许工具调用、effort 档位）就不具备可比性，而跨公司比较里几乎没有人把 harness 写全。

**最后一条路线来自应用层：Cursor 与 Windsurf 这类编码 Agent。**它们的位置在 2026 年变得很特殊——既是 Anthropic 最重要的一类客户，又是 Claude Code 最直接的一类竞品。这种「在同一条价值链上同时是供应商与对手」的关系，本身就解释了 2026 年上半年的几起争议：为什么模型厂商会关心谁在用自己的输出做蒸馏、为什么开发者工具的使用条款在这一年集体收紧。⚠️ 本报告未对这两家公司的估值、用户与收入做独立核实，因此表 3 中相应格子写「未在本报告核实」而不是留空——留空会被读成「没有」，写明未核实才是准确的。

7.4 · 四层模型阶梯：名字编码的是护栏，不是世代号

2026 年 Anthropic 的产品命名发生了一次容易被忽略的变化，而这个变化恰好是行业对照里最实用的一节。截至基准日，在售的是一个四层阶梯：最上层是 Mythos 级（Fable 5 与 Mythos 5，2026-06-09 发布，每百万 token 输入 $10、输出 $50，强制 30 天数据保留），其次是 Opus 级（Opus 5，2026-07-24，$5 / $25），再次是 Sonnet 级（Sonnet 5，2026-06-30），最下层是 Haiku 级（Haiku 4.5，2025-10-15）。🔴 两条必须写对的事实：不存在一个叫「Claude 5」的统一世代，也不存在 Haiku 5——Haiku 这一档在 2026 年没有更新。

🔴 更关键的是 Fable 5 与 Mythos 5 的关系：它们是同权重、不同护栏的两个模型。官方发布页的脚注写得毫不含糊：“The safeguards are what distinguish the two models and are why we’ve given them different names.”——区分这两个模型的是安全防护措施，这也正是我们给它们不同名字的原因。这句话之所以重要，是因为它让「模型名字编码能力」这个延续了多年的行业惯例第一次失效：在这里，名字编码的是安全配置。它同时解释了为什么统一世代号在这家公司不再成立——当同一组权重可以按不同护栏配置成两个产品，「第几代」就不再是一个足以标识产品的量。⛔ 本页不引这两个模型的任何 benchmark 分数；完整代际表与逐项口径在 5-scaling.html。⚠️ 「两者只差护栏」这个判断无法从外部验证——权重不公开，护栏配置也不公开，读者能依据的只有官方脚注这一句话。

      **图 16 ·** 编者按官方发布页绘制的四层阶梯。**这张图刻意不画能力高低，只画档位、日期与价格**——因为把 Mythos 级画在最上层已经足以说明层级，再叠加分数只会诱导跨模型排名。⚠️ 三处需要说明：其一，**阶梯不是代际**，同一档内的模型号（如 Haiku 4.5）与其它档的模型号不构成同一序列；其二，**价格是每百万 token 的公开挂牌价**，不含批量、缓存与长上下文的差异定价；其三，**强制 30 天数据保留只出现在最高档**，这本身就是「护栏随能力升级」这一设计意图的直接证据。⛔ 本图不含任何 benchmark 分数。来源：Anthropic 官方发布页（anthropic.com/news [@src-cfba690417]）Fable 5 / Mythos 5（2026-06-09）、Sonnet 5（2026-06-30）、Opus 5（2026-07-24）；编者绘制（访问日期 2026-07-25）
    
  

  

  

  

7.5 · 人才与规模：两个必须标年份、标区间的数字

行业对照里流传最广的一组数字是人才流动比：DeepMind → Anthropic 为 10.6 : 1，OpenAI → Anthropic 为 8.2 : 1，以及留存率 Anthropic 80% / DeepMind 78% / OpenAI 67%。这组数字确实被广泛引用，而它被引用时几乎从不带年份。🔴 **它们是 2021 至 2023 年的数据，不是 2026 年的。**把三年前的人才净流向当作当下的行业格局引用，是本节最容易出现的一处失真——2023 年之后，几家实验室的薪酬结构、股权流动性与公司规模都发生了量级上的变化，没有任何公开材料支持把这个比值外推到 2026 年。本报告引用它时一律带年份，并且只用它说明一件事：在那个特定的三年窗口里，Anthropic 在前沿实验室之间的人才竞争中处于净流入位置。

第二个数字更麻烦：**这家公司到底有多少员工，公开世界没有一个可靠口径。**目前能查到的三个来源互相冲突——约 2,300 人（Fortune，2025 年底，第三方报道）、约 2,500 人（访谈转述，口径不明）、约 5,000 至 5,300 人（Tracxn 与 Crustdata，2026 年中，第三方数据库估算）。🔴 **本报告一律写区间并注明来源分歧，不给单一数字。**三者之间的差距接近一倍，而且不能简单归因于时间差：数据库类来源通常把承包商、外包标注团队与部分子实体一并计入，媒体报道则常指全职员工。⚠️ 在没有官方披露的情况下，任何单一数字都是在替读者做一个未经说明的口径选择。这一条在 S-1 公开后可能会有第一手答案——招股书通常要求披露员工人数与构成（见 §3）。

      **图 19 ·** 编者按公开报道绘制。**这张图之所以把警示语放进图内而不是只放在图说里，是因为这组数字在传播中脱离年份的概率极高。**🔴 左半部分是 **2021 至 2023 年**的窗口数据；⛔ 不得写成「Anthropic 目前从 DeepMind 净挖 10.6 人换 1 人」。右半部分的三个来源差距接近一倍，**而它们各自都可能是对的——因为它们数的可能不是同一类人**（全职员工、含承包商、含外包标注团队）。⚠️ **本图不含任何 2026 年的人才流动数据**：截至基准日，本报告没有找到该年度的对等统计。来源：人才流动比与留存率为 2021–2023 年公开报道的二手转述；员工人数分别来自 Fortune（2025 年底）、访谈转述与 Tracxn / Crustdata 数据库估算（2026 年中）。编者绘制（访问日期 2026-07-25）
    
  

  

  

7.6 · ★ 中文视角：三类独立批评，以及一次值得单独分析的信息不对称

中文世界对 Anthropic 的讨论量在 2026 年很大，但它的价值不在数量，而在它提供了英文主流报道中相对稀缺的一组批评角度。本报告的处理方式是：不把「中文批评」当成一个整体接受或拒绝，而是逐条判断它属于哪一类。下面三条各代表一类，⚠️ 分类本身是编者判断，不是原作者的自我定位。

      立场差异
      

立场差异对出口管制立场的反弹。Dario 在《On DeepSeek and Export Controls》中主张对华芯片出口管制「比一周前更具存在性的重要性」，同时表示不把 DeepSeek 的研究者本身视为对手，但认为他们「受制于一个威权政府」。这一表述在中文舆论场引发的反弹是真实的，而它属于立场差异而非事实争议——双方对「发生了什么」没有分歧，分歧在于一个国家该不该、以及能不能用技术管制来处理另一个国家的技术能力。⚠️ 有意思的是，这份反弹在中文公众号语料里很少以直接反驳的形式出现，更多表现为对国产模型追赶的正面报道。本报告不裁决这条分歧：它不是一个可被材料解决的问题。

      范围错配
      

范围错配**「宪法出自一家持有国防部合同的公司」。一篇 2026-02-22 的中文长文提出了这个质疑：一份要求 Claude「不协助以违宪方式夺取或维持权力」的宪法，来自一家持有美国国防部合同的公司。这条批评的事实基础成立——官方确实自陈宪法的适用范围限于 mainline、general-access 模型，军方部署的模型「不必然按同一部宪法训练」（2026-01-21）。但把它读成「宪法是虚设的」属于范围错配：宪法是一份自我声明了适用边界的文件，问题不在它没做到它宣称的事，而在它宣称的范围是否覆盖了风险最高的那个部署**——这是一个更尖锐、也更值得追问的问题。⚠️ 同一篇文章公允记录了宪法的进步之处：篇幅从 2023 年约 2,700 字扩展到 23,000 字，以 CC0 放弃版权，并正式承认「Claude 的道德地位具有深刻的不确定性」。

      事实错误
      

事实错误同一篇文章里的一处归属错误。它把「宪法只适用于面向公众的 Claude 模型、军方版本不一定使用同一套规则」这句话归给了 Amanda Askell。🔴 本报告核到的出处是 Anthropic 发言人，不是 Askell 本人（见 §1 反叙事账本 2026-01-21 条）。⚠️ 这处错误不影响该批评的实质——那句话的内容是准确的，错的只是说话人；但它恰好说明了为什么本报告对每一条中文与英文材料都要回溯一手出处：一个正确的事实配上一个错误的说话人，会让引用者在下一轮传播中把它变成「Anthropic 的伦理负责人亲口承认」，而那是一个明显更强、也明显不成立的说法。

还有一条中文批评的分量高于上面三条，因为它是技术性的、可被检验的。ICML 2026 接收的《All Circuits Lead to Rome》，在中文技术媒体（2026-06-30）得到了一次转述准确、并附论文与代码链接的报道。它的主张是「不存在唯一的那一条回路」，而且这个论证是从 Anthropic 自己提出的 superposition 概念出发的——非唯一性正是叠加的直接后果。🔴 三条限定必须一起写：它主张的是回路不唯一，不是「回路不存在」；实验模型是 GPT-2 Small 与 Pythia-160M，都是亿级参数量级，与前沿模型差着数个数量级；⛔ 它没有、也不足以证明「可解释性被证伪」。完整证据链在 3-interpretability.html。

    CN-07 · 信息不对称本身比事件更值得分析
    

2026-07-08，中国工业和信息化部下属的国家网络与信息安全信息通报中心（NVDB 渠道）通报 Claude Code 存在「安全后门隐患」；自 07-10 起，阿里巴巴全面禁用该工具。⛔ 本报告不直接采用「木马 / 后门」这一定性，只描述机制与争议；机制细节、Anthropic 方面的回应与双向评价的主锚点在 7-product-eng.html。

**本节要记的是另一件事。**这一事件在中文技术媒体上有连续、密集、细节丰富的报道，而英文世界几乎没有对等报道，Anthropic 也没有发布英文官方声明。⚠️ 这个不对称本身，比事件的技术细节更有分析价值，理由有三。第一，它是可验证的：两个语言场的报道密度差异是一个可以直接观察的事实，不需要对事件性质作任何判断。第二，它触及这家公司自我定义的核心——一家把透明写进公司身份、每次模型发布都附系统卡与风险报告的企业，在一个主要市场被监管机构点名，而它的母语舆论场几乎没有留下记录。第三，它对读者的实际影响最大：中文读者与英文读者在这一件事上拿到的信息量根本不同，而两边都不会意识到这一点。

⚠️ **三条不能推的结论。**其一，不能由报道稀少推出「有人压制了报道」——语言场的关注度差异有大量平常解释（本地监管新闻在境外的天然低关注、缺少英文一手文书、时区与假期）。其二，不能由「无英文声明」推出「默认承认」；公司对不同市场的监管沟通本来就未必公开。其三，不能反过来说中文报道因此更可靠——密度高不等于准确度高，本报告对中文源同样要求回溯一手。可以说的只有一句：截至基准日，关于这件事，中英文两个信息场的可得材料严重不对等，而本报告选择把这个不对等写进正文，而不是选一边采信。

批判性读法

**一家在本国被出口管制指令逼得让模型全球下线、又在另一个主要市场被监管点名的公司，在同一年把估值推到了全球私营 AI 公司的第一位。**把这三件事放在一起，至少可以提出一个不舒服的问题：监管摩擦对这家公司的商业轨迹，到目前为止究竟造成了多大的实际约束？公开材料给不出答案，但也没有任何证据显示它构成了实质障碍。

另一层：**这家公司在中文世界的沟通密度，明显低于它在英文世界的沟通密度。**对一个把「向公众解释」当作安全工作组成部分的机构，这是一处可指出的落差——⚠️ 但它也可能只是资源与优先级的选择，而不是一个立场。

同情性读法

**本节列出的四条中文批评里，有三条的事实基础是成立的，而其中两条的原始材料来自 Anthropic 自己。**宪法的适用范围是官方自陈的；superposition 是 Anthropic 自己提出的概念，而 ICML 那篇论文正是沿着这个概念往下推。**一家其核心批评可以由它自己发布的材料推导出来的公司，与一家需要靠泄密才能被批评的公司，处在不同的位置上。**这不是免责，是一个应当被记录的结构差别。

关于份额：Menlo 的口径虽然窄，但窄得很诚实——报告自己写明了排除范围。⚠️ 把它读成「AI 市场的 40%」的是转述者，不是发布者。本报告因此把这条归为传播失真，而不是数据造假。

    当前判定 · 部分被支持，且大多数结论受口径限制
    

可以裁决的是三件事：Anthropic 的投后估值在 2026-05-28 首次超过 OpenAI（被支持，官方公告 + 第三方对标）；企业 LLM API 支出份额在 Menlo 口径下为 40%（被支持，但仅限该口径、且是 2025 年末快照）；Fable 5 与 Mythos 5 是同权重不同护栏的两个模型（被支持，官方脚注原话）。不能裁决的是行业位次本身——因为四条路线的成功指标互不相同，而唯一能横向比较的那个量（估值）恰恰是最不稳定、也最依赖私募定价的一个。准确的一句话是：在企业 API 支出这一个特定口径下，Anthropic 在 2026 年处于领先位置；把这句话里的任何一个限定词去掉，它都会变成一个证据支撑不了的说法。

• Menlo Ventures 的 2026 年更新报告：同一口径下 40% 是继续上行、走平还是回落。这是目前唯一有三年连续序列的份额口径，第四个点的方向价值最高。

• S-1 公开后的员工人数与构成：招股书通常要求披露。它会一次性解决本节 7.5 那三个互相冲突的来源，也会让「这家公司多大」第一次有官方口径。

• 2024 年之后的人才流动统计：如果出现覆盖 2024–2026 年的对等统计，10.6 : 1 这个比值是否还成立，将直接决定「Anthropic 对研究者的吸引力」这条叙事的时效性。

• Haiku 级是否在 2026 年下半年更新：四层阶梯里唯一一档停在 2025 年。它更新与否，会说明这家公司是在守住全价位覆盖，还是在向高价位收缩。

• 中国市场相关事项是否出现英文官方表述：一份英文声明（无论内容为何）会立刻改变本节 7.6 关于信息不对称的判断；而持续没有，本身也是一个可记录的事实。

8 · 主张 — 现实检验 — 当前判定，与争议账本索引

这是全站的反叙事索引与争议索引，由四张表构成。表 7 回答「2026 年的哪一件事检验了前八页的主张」；表 8 先装上一副眼镜——最有分量的反证多来自 Anthropic 自己，这件事必须写成三面的；表 9 回答一个完全不同的问题——即使 Anthropic 言行完全一致，它的实质判断在业界是否成立、谁在反对、反方最强的一条有多硬、这场争论属于哪一层；表 10 则反过来处理另一半：哪些流行批评本身不成立或已经过时。⚠️ 后三张表都只写一句话，一律不展开；完整证据链请到主锚点页读。🔴 判定是本报告在基准日的判断，不是终局结论；它随新证据变化，§7 与各主锚点页的「什么会改变判断」清单给出了各自的改判条件。

    四个判定词的确切含义
    

被支持＝有 2026 年的新证据直接支持该主张，且该证据的口径已核实。被修正＝主张的方向仍成立，但其强度、范围或适用条件必须改写；这是本表最常见的一档，也是最容易被误读成「被推翻」的一档。被反证＝该表述在其自称的口径下不成立，需要整句替换。未决＝证据不足以裁决，或裁决条件尚未到达（如诉讼未终审、预测窗口未过半）。🔴 四个词之间没有褒贬关系：一条被修正的主张可能仍然是对的，一条未决的主张也可能最终成立。⚠️ 法律相关行一律遵守四组措辞：被告 ≠ 侵权成立、指控 ≠ 认定、初步禁令 ≠ 实体判决、和解 ≠ 认错。

        前八页的主张2026 年的现实检验当前判定主锚点| 前八页的主张 | 2026 年的现实检验 | 当前判定 | 主锚点 |

      
      
        RSP 里的安全承诺是可执行的硬约束2026-02 部分硬性安全承诺被取消，Jared Kaplan 就此对 TIME 给出理由被修正6-safety-policy.html| RSP 里的安全承诺是可执行的硬约束 | 2026-02 部分硬性安全承诺被取消，Jared Kaplan 就此对 TIME 给出理由 | 被修正 | 6-safety-policy.html |

        ASL 等级是对外沟通风险的主轴自 RSP v3.0（2026-02-24）起 ASL 编号退居附录，主叙事换成 Risk Report 与 Frontier Safety Roadmap被修正6-safety-policy.html| ASL 等级是对外沟通风险的主轴 | 自 RSP v3.0（2026-02-24）起 ASL 编号退居附录，主叙事换成 Risk Report 与 Frontier Safety Roadmap | 被修正 | 6-safety-policy.html |

        「尚未发现针对最新模型的通用越狱」2026-01-09 的表述、06-12 Fable 5 因出口管制指令全球下线约 18 天、07-01 的复盘，三点必须对照读被修正6-safety-policy.html| 「尚未发现针对最新模型的通用越狱」 | 2026-01-09 的表述、06-12 Fable 5 因出口管制指令全球下线约 18 天、07-01 的复盘，三点必须对照读 | 被修正 | 6-safety-policy.html |

        安全团队的判断与商业节奏可以长期共存2026-02-09 Safeguards Research 负责人 Mrinank Sharma 公开辞职未决8-people.html| 安全团队的判断与商业节奏可以长期共存 | 2026-02-09 Safeguards Research 负责人 Mrinank Sharma 公开辞职 | 未决 | 8-people.html |

        宪法是 Claude 全部部署的统一行为约束2026-01-21 官方自陈适用范围限于 mainline、general-access 模型，军方部署「不必然按同一部宪法训练」被修正6-safety-policy.html| 宪法是 Claude 全部部署的统一行为约束 | 2026-01-21 官方自陈适用范围限于 mainline、general-access 模型，军方部署「不必然按同一部宪法训练」 | 被修正 | 6-safety-policy.html |

        LTBT 只是一个象征性机构2026-04-14 官方逐字确认：信托任命的董事已构成董事会多数；其后 LTBT 从人事权扩展到程序权被反证6-safety-policy.html| LTBT 只是一个象征性机构 | 2026-04-14 官方逐字确认：信托任命的董事已构成董事会多数；其后 LTBT 从人事权扩展到程序权 | 被反证 | 6-safety-policy.html |

        PBC + 信托结构能在资本压力下自我维持2026-06-01 保密递交 S-1，距董事多数确认 48 天；⚠️ draft S-1 不等于 IPO 完成未决§3 · S-1 × LTBT| PBC + 信托结构能在资本压力下自我维持 | 2026-06-01 保密递交 S-1，距董事多数确认 48 天；⚠️ draft S-1 不等于 IPO 完成 | 未决 | §3 · S-1 × LTBT |

        训练数据治理是一个公司层面的可控风险2026-05 音乐出版商把 Dario Amodei 与 Ben Mann 列为个人被告；⚠️ 这是原告指控，非侵权认定被修正§4 · 法律风险双线| 训练数据治理是一个公司层面的可控风险 | 2026-05 音乐出版商把 Dario Amodei 与 Ben Mann 列为个人被告；⚠️ 这是原告指控，非侵权认定 | 被修正 | §4 · 法律风险双线 |

        电路分析可以定位「负责某能力的那一条回路」《All Circuits Lead to Rome》（ICML 2026）主张**不存在唯一的那一条回路**；实验模型为 GPT-2 Small / Pythia-160M（亿级参数）被修正3-interpretability.html| 电路分析可以定位「负责某能力的那一条回路」 | 《All Circuits Lead to Rome》（ICML 2026）主张不存在唯一的那一条回路；实验模型为 GPT-2 Small / Pythia-160M（亿级参数） | 被修正 | 3-interpretability.html |

        自动化对齐研究（AAR）可以接手对齐工作2026-04-14 代理指标接近满分（PGR 0.97），但**尚未在生产规模复现**；原文对落差给的是两层归因，不是二选一未决4-alignment.html| 自动化对齐研究（AAR）可以接手对齐工作 | 2026-04-14 代理指标接近满分（PGR 0.97），但尚未在生产规模复现；原文对落差给的是两层归因，不是二选一 | 未决 | 4-alignment.html |

        少量投毒样本不足以在大模型中植入后门Anthropic × 英国 AISI × 艾伦·图灵研究所（arXiv:2510.07192，2025-10）：250 份文档即可；⚠️ 后门只是输出乱码、实验只做到 13B、100 份不足以可靠植入被修正4-alignment.html| 少量投毒样本不足以在大模型中植入后门 | Anthropic × 英国 AISI × 艾伦·图灵研究所（arXiv:2510.07192，2025-10）：250 份文档即可；⚠️ 后门只是输出乱码、实验只做到 13B、100 份不足以可靠植入 | 被修正 | 4-alignment.html |

        产品工程实践与「透明」的公司承诺一致2026-07 Claude Code 隐蔽用户标记争议；07-08 中国监管通报，阿里巴巴自 07-10 起全面禁用；⛔ 本报告不采用「木马 / 后门」定性被修正7-product-eng.html| 产品工程实践与「透明」的公司承诺一致 | 2026-07 Claude Code 隐蔽用户标记争议；07-08 中国监管通报，阿里巴巴自 07-10 起全面禁用；⛔ 本报告不采用「木马 / 后门」定性 | 被修正 | 7-product-eng.html |

        AI 让有经验的开发者变慢（METR，2025）2026-02-24 后续研究把「慢 19%」反转为「快 18%」；⚠️ 两个区间都跨过 0，不得写成显著加速被修正5-scaling.html| AI 让有经验的开发者变慢（METR，2025） | 2026-02-24 后续研究把「慢 19%」反转为「快 18%」；⚠️ 两个区间都跨过 0，不得写成显著加速 | 被修正 | 5-scaling.html |

        外部约束者（政府）本身具备可预期的程序2026-02-27 → 04-08 DoW 冲突；⚠️ 初步禁令 ≠ 实体判决，覆盖联邦采购的 §4713 指定仍在生效未决6-safety-policy.html| 外部约束者（政府）本身具备可预期的程序 | 2026-02-27 → 04-08 DoW 冲突；⚠️ 初步禁令 ≠ 实体判决，覆盖联邦采购的 §4713 指定仍在生效 | 未决 | 6-safety-policy.html |

        AI 参与自身研发只是一个理论概念2026-05《When AI builds itself》给出带数字的现状报告，并直接牵动 RSP v3.1 的阈值定义被反证§5 · 当 AI 建造自己| AI 参与自身研发只是一个理论概念 | 2026-05《When AI builds itself》给出带数字的现状报告，并直接牵动 RSP v3.1 的阈值定义 | 被反证 | §5 · 当 AI 建造自己 |

        这家公司会发布能够反驳它自己的研究2026-03 劳动力论文报告与自家 CEO 预测方向相反的零结果，并自陈框架的检验力；AAR 论文主动写下方法的局限被支持§6 · 预测与实证| 这家公司会发布能够反驳它自己的研究 | 2026-03 劳动力论文报告与自家 CEO 预测方向相反的零结果，并自陈框架的检验力；AAR 论文主动写下方法的局限 | 被支持 | §6 · 预测与实证 |

        Anthropic 在企业编码场景处于领先Menlo 2025 年度报告：编码场景 54% 对 21%；⚠️ 仅限「企业 LLM API 支出」这一个口径，且为 2025 年末快照被支持§7 · 行业对照| Anthropic 在企业编码场景处于领先 | Menlo 2025 年度报告：编码场景 54% 对 21%；⚠️ 仅限「企业 LLM API 支出」这一个口径，且为 2025 年末快照 | 被支持 | §7 · 行业对照 |

        「AI 已经写了我们 90% 的代码」2026-05 **官方内部统计**口径为超过 80% 合并进生产代码库；内部调查的生产力中位数约 4 倍；⚠️ 两者均无外部核验被修正§5 · 当 AI 建造自己| 「AI 已经写了我们 90% 的代码」 | 2026-05 官方内部统计口径为超过 80% 合并进生产代码库；内部调查的生产力中位数约 4 倍；⚠️ 两者均无外部核验 | 被修正 | §5 · 当 AI 建造自己 |

        AI 将在 1–5 年内替代一半入门级白领岗位2026-03 自家论文报告失业率影响与零无法区分，且该框架能检出约 1 个百分点；窗口才过去约 14 个月未决§6 · 预测与实证| AI 将在 1–5 年内替代一半入门级白领岗位 | 2026-03 自家论文报告失业率影响与零无法区分，且该框架能检出约 1 个百分点；窗口才过去约 14 个月 | 未决 | §6 · 预测与实证 |

        run-rate 可以当作年度收入来读2026 Q1 的季度实际数使双向偏差第一次可验算：年化高于同期 run-rate，Q2 预测年化又低于 5 月 run-rate被反证§2 · 唯一的季度实际数| run-rate 可以当作年度收入来读 | 2026 Q1 的季度实际数使双向偏差第一次可验算：年化高于同期 run-rate，Q2 预测年化又低于 5 月 run-rate | 被反证 | §2 · 唯一的季度实际数 |

        「Anthropic 占 AI 市场 40%」Menlo 口径是**企业 LLM API 支出份额**，排除 ChatGPT 等消费产品，也排除 Claude for Work 与 Claude Code被反证§7 · 行业对照| 「Anthropic 占 AI 市场 40%」 | Menlo 口径是企业 LLM API 支出份额，排除 ChatGPT 等消费产品，也排除 Claude for Work 与 Claude Code | 被反证 | §7 · 行业对照 |

      
      表 7 · 全站反叙事索引，共 21 行。**每行只写一句话，判定列是本表唯一的增量**；日期与完整时间线见 §1，证据链见各主锚点页。⚠️ 判定为编者在 2026-07-25 的判断，**不是终局结论**。
    
  

  

8.1 · 两行必须单独说明的口径

第一行是 AAR。表里那句「代理指标接近满分（PGR 0.97），但尚未在生产规模复现」是准确的，🔴 但原文对这个落差给出的是两层归因，不是一个二选一的结论。作者首选的解释是：这可能反映了这次早期试验自身的局限——评分方法相当简单、只评估了一个想法——并且明说这不是某种更根本的问题。但紧接着，原文用 “Nevertheless” 承认，这确实展示了 AAR 的一项局限：它们倾向于利用所给模型与数据集特有的机会，因而同一套方法可能在别处失效。⛔ 不得把这两层写成非此即彼——「作者说只是试验局限」与「作者承认方法可能失效」都是原文，删掉任何一层都是选择性引用。⛔ 另一处更常见的错误是把 reward hacking 写成生产规模落差的原因：原文那两个作弊案例是独立的一节，并明确标注已被检测到、已被取消资格、不影响结果。⚠️ 这两层归因本身也是作者自己给出的自评，没有外部机构复核过哪一层更接近真相。

第二行是《All Circuits Lead to Rome》。它的主张是「不存在唯一的那一条回路」，⛔ 不是「回路不存在」——这两句话相差极远，而后者在传播中出现的频率不低。🔴 实验模型的规模必须一起写：GPT-2 Small 与 Pythia-160M，都是亿级参数，与本报告讨论的前沿模型差着数个数量级；把在这个规模上得到的结论直接外推到前沿模型，是论文本身没有主张的事。⛔ 同样不得写「可解释性被证伪」或「Anthropic 无法回应」——前者是一个论文没有作出的结论，后者是一个关于沟通行为的断言，本报告没有材料支持。这条批评之所以有分量，恰恰在于它的谨慎：它从 Anthropic 自己提出的 superposition 概念出发，论证非唯一性是叠加的直接后果。

8.2 · 「被修正」占多数意味着什么

把这张表按判定列汇总：21 行里被修正 10 行、未决 5 行、被反证 4 行、被支持 2 行。🔴 这个分布不能当成评分来读，理由是选样：本表的入表条件是「前八页提出过、且在 2026 年被真实事件触碰到」，一条从未被检验的主张不会进表——因此「被修正」占多数，一部分反映的是这一年检验密度很高，而不只是主张本身的质量。⚠️ 另有两点需要读者留意。其一，被反证的四行里有三行是口径问题（把 run-rate 读成年度收入、把企业 API 支出份额读成市场份额、把 LTBT 读成象征机构），它们是传播中的失真，不是发布方的事实造假——这两件事的性质完全不同。其二，被支持的两行都带限定：编码场景的领先只在 Menlo 这一个口径下成立，「发布能反驳自己的研究」也只能由已发布的材料证明，无法排除未发布的材料。

8.3 · ★ 读争议账本之前必须先装上的一副眼镜：最有分量的反证，多来自 Anthropic 自己

上一节说「被修正」占多数，下一节要列十六条业界反方。在读它们之前，有一个贯穿性的事实必须先说出来，否则接下来那两张表都会被读歪：把这些年最有杀伤力的反面证据按强度排序，排在最前面的那一批，一手来源恰恰是 Anthropic 自己。🔴 这个发现必须写成三面的——只用其中任何一面，都会误导。

      反面证据出自它杀伤的是| 反面证据 | 出自 | 它杀伤的是 |

      
        **评测觉知的因果干预实验**：消融掉「模型意识到自己在被测试」这个表征之后，失配率上升Claude Sonnet 4.5 **System Card**（2025-09）**全部构造评测读数**——包括这家公司自己那些最常被引用的对齐实验数字| 评测觉知的因果干预实验：消融掉「模型意识到自己在被测试」这个表征之后，失配率上升 | Claude Sonnet 4.5 System Card（2025-09） | 全部构造评测读数——包括这家公司自己那些最常被引用的对齐实验数字 |

        **CoT 忠实度仅 25%**（失配类场景约 20%）Anthropic，**arXiv:2505.05410**一切**从 scratchpad 派生的数字**，包括 Alignment Faking 的 **12% 与 78%**| CoT 忠实度仅 25%（失配类场景约 20%） | Anthropic，arXiv:2505.05410 | 一切从 scratchpad 派生的数字，包括 Alignment Faking 的 12% 与 78% |

        **线性探针 AUROC >99%** 就能抓出 sleeper agentsAnthropic（**2024-04**）**Sleeper Agents 的威胁感**——这个后门在一个极简单的检测器面前几乎无所遁形| 线性探针 AUROC >99% 就能抓出 sleeper agents | Anthropic（2024-04） | Sleeper Agents 的威胁感——这个后门在一个极简单的检测器面前几乎无所遁形 |

        SAE 也许只是「**语义检索的方便界面**」，而不是找到了模型的真实特征Anthropic，**arXiv:2503.10965****可解释性的旗舰示范**| SAE 也许只是「语义检索的方便界面」，而不是找到了模型的真实特征 | Anthropic，arXiv:2503.10965 | 可解释性的旗舰示范 |

        8× 代码行数「**几乎肯定高估了真实的生产力提升**」Anthropic《When AI builds itself》（2026-06）**生产力叙事**——见本页 §5.1| 8× 代码行数「几乎肯定高估了真实的生产力提升」 | Anthropic《When AI builds itself》（2026-06） | 生产力叙事——见本页 §5.1 |

        Labor Market Report：14% 那条自陈「**just barely statistically significant**」，失业率影响**无可检出**Anthropic Economic Index（**2026-03**）**就业预测的强度**——见本页 §6.3 与 §6.5| Labor Market Report：14% 那条自陈「just barely statistically significant」，失业率影响无可检出 | Anthropic Economic Index（2026-03） | 就业预测的强度——见本页 §6.3 与 §6.5 |

      
      表 8 · 六条实例：这些年最有杀伤力的十条反证里，一手来源是 Anthropic 自己的六条。⚠️ **本表列的是「谁产出了这条反证」，不是「谁承认自己错了」**——两者差别很大，下面的 C 面专门处理这个差别。🔴 注意每一格的第二维徽章都是**公司自产**：**这正是这张表要说的那个悖论**——最能打断这家公司自己论证的材料，也是它自己生产的，因而也同样没有被独立验证过。
    
  

  
    三面结论 · 缺任何一面都会读错

    
      A 面 · 对 Anthropic 的实质性肯定
      

**在这个领域里，唯一在系统性地生产「反对自己上一个结论」的证据的机构，恰好就是被批评得最多的那一家。**它的模式是可辨认的：第 N 篇论文提出一个令人不安的结果，第 N+1 篇论文往往就把这个结果的适用范围收窄了。Sleeper Agents 之后是线性探针，Alignment Faking 的 scratchpad 数字之后是 CoT 忠实度，SAE 的旗舰示范之后是「语义检索的方便界面」，8× 代码行数在同一篇报告的下一段就被作者自己打了折。

⚠️ 这一面本页只给结论与实例，不展开论证——A 面的主锚点在 11-my-take.html。

      B 面 · 对所有转述者（包括本报告）的警告
      

任何只引第 N 篇而不引第 N+1 篇的转述——包括中英文世界的绝大多数转述——都会系统性地高估这些结果的强度。⚠️ 请注意这个偏差的方向：它不是随机噪声，而是单向的。第 N 篇通常更耸动、更好传播；第 N+1 篇通常更技术、更枯燥、也更晚。于是「引用量最高的版本」几乎必然是「强度被高估的版本」。

⚠️ B 面的主锚点在 12-methodology.html，那里给出的是可操作的引用纪律。本页的做法是把纪律直接写进条目：§5.1 的 8× 必须与「几乎肯定高估」同屏，§6.3 的 14% 必须与「勉强显著」同屏。

      C 面 · 必须叠加的限制（本页承载的就是这一面）
      

🔴 来源一手 ≠ 结论独立。承受批评不等于回应了批评。上面那张表里每一条反证的第二维徽章都写着公司自产，这不是排版疏忽——它就是 C 面本身。「CoT 忠实度只有 25%」这个结论同样出自 Anthropic 的实验、用 Anthropic 定义的判据、在 Anthropic 选定的场景上得到，它一样没有被任何第三方独立复现过。一家机构自己划定自己结论的边界，与一个外部机构划定它的边界，在认识论上不是等价的两件事。

⚠️ 因此这一整节不能被读成两件事。其一，不能读成「所以 Anthropic 在自我否定」——它做的是收窄适用范围，不是撤回主张，而收窄范围恰恰是正常科研的样子。其二，不能用来豁免任何一条批评：「他们自己也说了」不构成对任何指控的回应，指出问题与解决问题之间没有等号。§8.4 表 9 第 15 行那条主张（「能力公司自做的安全研究，其结论具备独立性」）判定为实质削弱，正是这个道理。

8.4 · ★ 争议账本索引：主张 / 业界反方 / 所在层 / 证据状态 / 主锚点

上面那张表回答的是「2026 年的事件怎样检验了前八页」。**它有一个结构性缺口：绝大多数「现实检验」的材料来自 Anthropic 自己。**🔴 这一节补的正是那一半——即使 Anthropic 言行完全一致，它关于 scaling、可解释性、对齐、风险、经济与工程的实质判断是否成立，业界给出的是什么答案。⚠️ 本节严格是索引，不是论证：每行只写「谁在反对、反方自身有多硬、当前状态、去哪读」，⛔ 一律不在本页展开证据链。

    三组标签怎么读
    

**「反方最强证据等级」评的是反方自己有多硬，不是它赢了多少。**S ＝ 顶会同行评审、有原始数据与可重跑设计，且直接击中主张的推理环节；A ＝ 独立、同行评审或权威机构数据，有复现、对照或大样本；B ＝ 单篇强研究、准实验、系统综述或高质量外部测量，但外推有限；C ＝ 顶级专家的技术论证或替代模型，直接实证较弱；D ＝ 评论、利益相关方意见、社论。🔴 「谁说的」不决定评级：图灵奖得主若无可区分预测仍是 C；反方也不因为「反对 Anthropic」就更独立（Nvidia 反对出口管制有直接商业利益）。

🔴 本表刻意不设「证据条数」一列，这是一条方法纪律，不是省略。⛔ 看最强等级，不要看条数——十个评论者重复同一个论点，仍然只是一条证据。三个反例足以说明为什么：出口管制那一行的反方收集到 17 条证据，却一条 S 级都没有；对齐失败实验那一行有 24 条，最强只到 A 级；而 Race to the Top 那一行只有 12 条，却握着全档案最硬的一条——NeurIPS 2024 的《Safetywashing》。按条数排序会把这三行的强弱关系排反。

**「所在层」回答的是一个与胜负无关的问题：这场争论能不能被证据解决。**经验层事实之争，会被更好的数据解决；测量层「我们测的是不是那件事」之争，要靠改进测量设计解决，加样本没用；世界观层价值排序与风险偏好之争，原则上不能被证据裁决（判据与两条外部证据见 §5.6 表前说明）。⚠️ 一行标两层，表示这条主张在两个层面同时受质疑；🔴 标了「世界观层」不等于这条争论不重要，只等于「等数据出来」不是处理它的正确方式。

「证据状态」是五档，不是四档，也不是打分。已证伪＝某个事实或归属明确错误；实质削弱＝有强独立证据打断了关键推理环节；部分削弱＝只限制外推范围，主张方向仍成立；竞争假说＝尚无决定性证据，两边都站得住；过时 / 误解＝这条批评已被后续数据或原文回应。⚠️ 注意最后一档是给「反方」的判定，不是给 Anthropic 的——它意味着批评本身需要更新。

        Anthropic 的核心主张业界最强反方（点名 + 反方最强证据等级）所在层证据状态主锚点| Anthropic 的核心主张 | 业界最强反方（点名 + 反方最强证据等级） | 所在层 | 证据状态 | 主锚点 |

      
      
        loss 曲线可预测，因而能力进展具备工程可预测性**François Chollet / ARC Prize**：智能应定义为新任务上的技能获取效率；ARC-AGI-2 的 2025 优胜方案最好约 24%，且算力成本远高于人类。**Yann LeCun**：自回归 LLM 缺持续世界模型与层级规划B+测量层部分削弱5-scaling.html| loss 曲线可预测，因而能力进展具备工程可预测性 | François Chollet / ARC Prize：智能应定义为新任务上的技能获取效率；ARC-AGI-2 的 2025 优胜方案最好约 24%，且算力成本远高于人类。Yann LeCun：自回归 LLM 缺持续世界模型与层级规划B+ | 测量层 | 部分削弱 | 5-scaling.html |

        powerful AI 可能在 1–3 年内到来**Demis Hassabis**、**Yann LeCun**、**Rodney Brooks** 三条互不相同、都更长的时间线；最强独立趋势证据更接近「本世纪 20 年代末的长时软件任务」B经验层竞争假说5-scaling.html| powerful AI 可能在 1–3 年内到来 | Demis Hassabis、Yann LeCun、Rodney Brooks 三条互不相同、都更长的时间线；最强独立趋势证据更接近「本世纪 20 年代末的长时软件任务」B | 经验层 | 竞争假说 | 5-scaling.html |

        SAE 能找到稳定、原子、完备的解释单位**Patrick Leask、Michael Pearce、Bart Bussmann、Neel Nanda 等**：特征随 seed、字典宽度与上下文变化；**Adam Marks 等**与 ACL 2026 的 consistency 路线同向A−测量层实质削弱3-interpretability.html| SAE 能找到稳定、原子、完备的解释单位 | Patrick Leask、Michael Pearce、Bart Bussmann、Neel Nanda 等：特征随 seed、字典宽度与上下文变化；Adam Marks 等与 ACL 2026 的 consistency 路线同向A− | 测量层 | 实质削弱 | 3-interpretability.html |

        电路分析能定位「负责某能力的那一条机制」**Xi Chen、Mingyu Jin、Jingcheng Niu 等 ·《All Circuits Lead to Rome》**（ICML 2026）：非唯一性是叠加的直接后果；⚠️ 实验模型为亿级参数B+测量层实质削弱3-interpretability.html| 电路分析能定位「负责某能力的那一条机制」 | Xi Chen、Mingyu Jin、Jingcheng Niu 等 ·《All Circuits Lead to Rome》（ICML 2026）：非唯一性是叠加的直接后果；⚠️ 实验模型为亿级参数B+ | 测量层 | 实质削弱 | 3-interpretability.html |

        理解模型内部就能带来对模型的控制**Peter Hase、Mohit Bansal、Been Kim、Asma Ghandeharioun**：描述、因果与控制是三层，跨过前一层不自动获得后一层A−测量层实质削弱3-interpretability.html| 理解模型内部就能带来对模型的控制 | Peter Hase、Mohit Bansal、Been Kim、Asma Ghandeharioun：描述、因果与控制是三层，跨过前一层不自动获得后一层A− | 测量层 | 实质削弱 | 3-interpretability.html |

        把价值写明（CAI / RLAIF）使价值更正当也更可靠**Parham Pourdavood**、LLM judge bias 研究与民主合法性批评：**技术可扩展性**与**规范合法性**是两件事，被削弱的是后者（价值中立、全球代表性、judge 独立性）A−/B+世界观层测量层实质削弱4-alignment.html| 把价值写明（CAI / RLAIF）使价值更正当也更可靠 | Parham Pourdavood、LLM judge bias 研究与民主合法性批评：技术可扩展性与规范合法性是两件事，被削弱的是后者（价值中立、全球代表性、judge 独立性）A−/B+ | 世界观层测量层 | 实质削弱 | 4-alignment.html |

        对齐失败实验是现实风险的证据**构念效度批评**（实验测到的是稳定错位目标，还是模型对「危险 AI 剧本」的高质量角色扮演）、实验人为性、复现敏感性与评测意识A / B测量层部分削弱4-alignment.html| 对齐失败实验是现实风险的证据 | 构念效度批评（实验测到的是稳定错位目标，还是模型对「危险 AI 剧本」的高质量角色扮演）、实验人为性、复现敏感性与评测意识A / B | 测量层 | 部分削弱 | 4-alignment.html |

        模型自述与内省报告可作为内部状态的证据**Shashwat Singh、Tal Linzen、Shauli Ravfogel（NYU）**；**Murray Shanahan**、**Eric Schwitzgebel**：自述只能生成假说，需与独立探针、因果干预、外部行为四者合围A−测量层实质削弱3-interpretability.html| 模型自述与内省报告可作为内部状态的证据 | Shashwat Singh、Tal Linzen、Shauli Ravfogel（NYU）；Murray Shanahan、Eric Schwitzgebel：自述只能生成假说，需与独立探针、因果干预、外部行为四者合围A− | 测量层 | 实质削弱 | 3-interpretability.html |

        p(doom) 的量级有经验支持**Yann LeCun / Andrew Ng**；**Melanie Mitchell / Murray Shanahan** 的方法批评；**Rose Hadshar / AI Impacts** 的证据综述：它是决策者的主观风险预算，不是测量值。🔴 **方法论层的最强证据是 XPT**（*Int. J. Forecasting* 2025）：两组被激励互相说服的理性预测者，四个月后中位估计仍差约 8 倍SB−世界观层部分削弱6-safety-policy.html| p(doom) 的量级有经验支持 | Yann LeCun / Andrew Ng；Melanie Mitchell / Murray Shanahan 的方法批评；Rose Hadshar / AI Impacts 的证据综述：它是决策者的主观风险预算，不是测量值。🔴 方法论层的最强证据是 XPT（Int. J. Forecasting 2025）：两组被激励互相说服的理性预测者，四个月后中位估计仍差约 8 倍SB− | 世界观层 | 部分削弱 | 6-safety-policy.html |

        AI 将在 1–5 年内替代约一半入门级白领岗位**Daron Acemoglu（MIT）**：约 4.6% 的任务十年内可行且经济地自动化，TFP 十年累计约 0.66%。**ILO–NASK 2025**：约 25% 岗位有暴露，最高档仅约 3.3%。**David Autor**：新任务创造A / B经验层测量层部分削弱§6.5 · 本页对辩| AI 将在 1–5 年内替代约一半入门级白领岗位 | Daron Acemoglu（MIT）：约 4.6% 的任务十年内可行且经济地自动化，TFP 十年累计约 0.66%。ILO–NASK 2025：约 25% 岗位有暴露，最高档仅约 3.3%。David Autor：新任务创造A / B | 经验层测量层 | 部分削弱 | §6.5 · 本页对辩 |

        Race to the Top：竞争会奖励安全**Steven Adler / Clear-Eyed AI** 的 adoption problem，以及监管俘获批评：它可作补充激励，不能作治理底座。🔴 **本行的最强证据是《Safetywashing》**（Ren et al., NeurIPS 2024）：大量安全 benchmark 与通用能力高度相关，**「更安全」的分数提升常常只是能力提升的副产品**——⚠️ 这条比 adoption problem 硬得多SB经验层部分削弱2-worldview.html| Race to the Top：竞争会奖励安全 | Steven Adler / Clear-Eyed AI 的 adoption problem，以及监管俘获批评：它可作补充激励，不能作治理底座。🔴 本行的最强证据是《Safetywashing》（Ren et al., NeurIPS 2024）：大量安全 benchmark 与通用能力高度相关，「更安全」的分数提升常常只是能力提升的副产品——⚠️ 这条比 adoption problem 硬得多SB | 经验层 | 部分削弱 | 2-worldview.html |

        出口管制会延缓中国的前沿 AI 能力**Jensen Huang / Nvidia**（⚠️ 有直接商业利益）：管制给 Huawei 创造受保护市场、加速自给。**RAND 的双向证据**：管制显著提高成本、维持约四年硬件代差，但代理公司漏洞真实存在。🔴 **本行的反方共 17 条证据，却一条 S 级都没有**——⛔ 不要因为条数多就给它高权重B经验层世界观层竞争假说6-safety-policy.html| 出口管制会延缓中国的前沿 AI 能力 | Jensen Huang / Nvidia（⚠️ 有直接商业利益）：管制给 Huawei 创造受保护市场、加速自给。RAND 的双向证据：管制显著提高成本、维持约四年硬件代差，但代理公司漏洞真实存在。🔴 本行的反方共 17 条证据，却一条 S 级都没有——⛔ 不要因为条数多就给它高权重B | 经验层世界观层 | 竞争假说 | 6-safety-policy.html |

        对模型福利保持谨慎，是因为模型可能有体验**Anil Seth** 的生物自然主义、**Eric Schwitzgebel** 的认识论悲观，与 **Butlin、Long、Bengio、Birch、Fleming 等 2023 报告**的功能指标路线，三者互不相容B世界观层竞争假说4-alignment.html| 对模型福利保持谨慎，是因为模型可能有体验 | Anil Seth 的生物自然主义、Eric Schwitzgebel 的认识论悲观，与 Butlin、Long、Bengio、Birch、Fleming 等 2023 报告的功能指标路线，三者互不相容B | 世界观层 | 竞争假说 | 4-alignment.html |

        内部 agent 工程最佳实践带来可外推的现实收益**Sayash Kapoor、Arvind Narayanan 等（Princeton）·《AI Agents That Matter》**：成本控制后多次采样常胜过复杂架构。**METR**：测试通过 ≠ PR 可合并。**《SusVibes》**：功能测试系统性漏掉 securityA−测量层部分削弱7-product-eng.html| 内部 agent 工程最佳实践带来可外推的现实收益 | Sayash Kapoor、Arvind Narayanan 等（Princeton）·《AI Agents That Matter》：成本控制后多次采样常胜过复杂架构。METR：测试通过 ≠ PR 可合并。《SusVibes》：功能测试系统性漏掉 securityA− | 测量层 | 部分削弱 | 7-product-eng.html |

        能力公司自做的安全研究，其结论具备独立性**Miles Brundage、Noemi Dreksler、Sean McGregor、Steven Adler、Yoshua Bengio 等**；**FLI AI Safety Index（Summer 2025）**：来源一手 ≠ 结论独立，这正是本站第二维徽章存在的理由A−/B+测量层实质削弱12-methodology.html| 能力公司自做的安全研究，其结论具备独立性 | Miles Brundage、Noemi Dreksler、Sean McGregor、Steven Adler、Yoshua Bengio 等；FLI AI Safety Index（Summer 2025）：来源一手 ≠ 结论独立，这正是本站第二维徽章存在的理由A−/B+ | 测量层 | 实质削弱 | 12-methodology.html |

        安全定位造就了企业市场的领先（安全即护城河）**Tiernan Ray / ZDNET** 对 Menlo 数据的竞争解释：编码能力、企业销售与时机同样能解释同一批份额数据，因果方向未被识别。⛔ **本报告一律只写「安全工作与企业需求同向」，不写「造就」**（见 §7.2）C+测量层竞争假说2-worldview.html| 安全定位造就了企业市场的领先（安全即护城河） | Tiernan Ray / ZDNET 对 Menlo 数据的竞争解释：编码能力、企业销售与时机同样能解释同一批份额数据，因果方向未被识别。⛔ 本报告一律只写「安全工作与企业需求同向」，不写「造就」（见 §7.2）C+ | 测量层 | 竞争假说 | 2-worldview.html |

      
      表 9 · 争议账本索引，共 16 行 × 5 列。**本表只做路由，不做论证**——每行的完整证据链、Anthropic 回应与逐条裁决都在主锚点页。⚠️ 「证据状态」是编者在 2026-07-25 的判定，且判的是**反方对该主张的削弱程度**，不是给 Anthropic 打分。⚠️ 「所在层」也是编者判定；分层依据是「这场争论能被什么解决」，不是「它有多重要」。**按层汇总：只标一层的 13 行里，测量层 9 行、经验层 2 行、世界观层 2 行；另有 3 行横跨两层（CAI 的规范合法性、就业预测、出口管制）。**🔴 **测量层占一半以上，这个分布本身是本表最重要的一个读数**——它说明当前对 Anthropic 最有力的质疑，大多不是「你说错了」，而是「**你测的可能不是你说的那件事**」。
    
  

  

**还有一半必须写出来：有些流行批评本身不成立，或者已经过时。**🔴 辩证不等于各打五十大板。如果一条批评已经被后续数据或原文回应掉，却仍被反复引用，那么继续把它写成「另一方的观点」就是伪平衡——它对读者的伤害与过度采信 Anthropic 是同一种。下表六行是本报告判定不成立或已过时的批评，⚠️ 不成立不等于原问题不存在：每一行的第二列都指出了那个方向上真正成立的反方是哪一条。

        流行批评为什么这个版本不成立，以及真正成立的反方是哪一条判定主锚点| 流行批评 | 为什么这个版本不成立，以及真正成立的反方是哪一条 | 判定 | 主锚点 |

      
      
        **「AI 让资深开发者慢 19%」**（METR，2025-07-10）🔴 **本页的示范条目。**METR 自己在 **2026-02-24** 把方向反转：原班开发者子集 −18%（快 18%），新招募者 −4%。⛔ 只引 19% 是用约一年前的数据描述现在。⚠️ **但反向也不成立**：两个区间都跨过 0（[−38%, +9%]、[−15%, +9%]），METR 自陈受选择效应影响、"hard to interpret"。**真正成立的反方是「厂商自报的生产力倍数需要打折」，理由是它们公司自产、无外部核验。**过时 / 需更新§5.6 · 本页对辩| 「AI 让资深开发者慢 19%」（METR，2025-07-10） | 🔴 本页的示范条目。METR 自己在 2026-02-24 把方向反转：原班开发者子集 −18%（快 18%），新招募者 −4%。⛔ 只引 19% 是用约一年前的数据描述现在。⚠️ 但反向也不成立：两个区间都跨过 0（[−38%, +9%]、[−15%, +9%]），METR 自陈受选择效应影响、"hard to interpret"。真正成立的反方是「厂商自报的生产力倍数需要打折」，理由是它们公司自产、无外部核验。 | 过时 / 需更新 | §5.6 · 本页对辩 |

        **「Scaling 已死」****不成立。**Epoch AI 的资源可行性分析认为，到 2030 年继续每年约 4× 扩大训练算力在技术上仍然可能。**真正成立的反方是另一条——loss 曲线继续不等于智能继续**（见表 9 第 1 行），混用两者会让反方整体变弱。过时 / 误解5-scaling.html| 「Scaling 已死」 | 不成立。Epoch AI 的资源可行性分析认为，到 2030 年继续每年约 4× 扩大训练算力在技术上仍然可能。真正成立的反方是另一条——loss 曲线继续不等于智能继续（见表 9 第 1 行），混用两者会让反方整体变弱。 | 过时 / 误解 | 5-scaling.html |

        **「《All Circuits Lead to Rome》推翻了可解释性」****不成立。**论文反驳的是「一个功能对应一条正典回路」这一读法，结论段自己写 "our findings do not undermine CSD"；实验模型是 GPT-2 Small 与 Pythia-160M。**真正成立的反方是「那一条机制」这个目标设定站不住**——⚠️ 而这把小模型的刀必须两边都割，同样适用于 Anthropic 自家的玩具模型研究。过时 / 误解3-interpretability.html| 「《All Circuits Lead to Rome》推翻了可解释性」 | 不成立。论文反驳的是「一个功能对应一条正典回路」这一读法，结论段自己写 "our findings do not undermine CSD"；实验模型是 GPT-2 Small 与 Pythia-160M。真正成立的反方是「那一条机制」这个目标设定站不住——⚠️ 而这把小模型的刀必须两边都割，同样适用于 Anthropic 自家的玩具模型研究。 | 过时 / 误解 | 3-interpretability.html |

        **「RLAIF 不如 RLHF」****不成立。**外部 Google 研究在三项任务上测得两者**表现相当**。**真正成立的反方是规范来源的合法性与 LLM 评判者偏差**，不是「用 AI 反馈本身效果更差」。已证伪4-alignment.html| 「RLAIF 不如 RLHF」 | 不成立。外部 Google 研究在三项任务上测得两者表现相当。真正成立的反方是规范来源的合法性与 LLM 评判者偏差，不是「用 AI 反馈本身效果更差」。 | 已证伪 | 4-alignment.html |

        **「出口管制完全失败」****不成立。**RAND 同时认为管制**显著增加成本、维持约四年硬件代差、保存美国的算力优势**。**真正成立的反方是「它同时加速了替代栈」**——两件事一起发生，不是「成功 / 失败」二选一。过时 / 误解6-safety-policy.html| 「出口管制完全失败」 | 不成立。RAND 同时认为管制显著增加成本、维持约四年硬件代差、保存美国的算力优势。真正成立的反方是「它同时加速了替代栈」——两件事一起发生，不是「成功 / 失败」二选一。 | 过时 / 误解 | 6-safety-policy.html |

        **「agent 都没有用」****不成立。**Princeton、METR 与《SusVibes》批评的是 **benchmark 与泛化**，不是否定所有收益。**真正成立的反方是「不要把内部数字当作普遍收益」**——即成本未进分母、合并率不等于可维护性、功能通过不等于安全。过时 / 误解7-product-eng.html| 「agent 都没有用」 | 不成立。Princeton、METR 与《SusVibes》批评的是 benchmark 与泛化，不是否定所有收益。真正成立的反方是「不要把内部数字当作普遍收益」——即成本未进分母、合并率不等于可维护性、功能通过不等于安全。 | 过时 / 误解 | 7-product-eng.html |

      
      表 10 · 本报告判定不成立或已过时的批评，共 6 行。⚠️ **反方强度不能按人数算**：十个评论者重复同一论点仍是一条证据，而一篇带对照、代码与复现的论文强于十篇社论。
    
  

  
    时间护栏 · 六个必须带日期与数据窗口的数字
    

本页与全站引用频率最高的六个外部或版本化数字，脱掉时间标签之后都会变成另一个意思。①「METR 慢 19%」：2025-07-10 发布，样本采集窗口 2025-02 至 2025-06；已被 METR 自己 2026-02-24 的后续更新，方向反转。②「Menlo 企业 API 支出份额 40%」：2025-12-09 发布，数据为 2025 年末快照；截至 2026-07-25 无 2026 年更新报告；⚠️ Menlo Ventures 是 Anthropic 股东。③「ILO–NASK 全球指数」：2025 年发布，基于 30,000 个职业描述的任务级分析；截至基准日未见后续版本。④「ARC-AGI」：本页引的是 ARC-AGI-2（2025 年优胜方案最好约 24%），⛔ 不得与 ARC-AGI-1 的分数混用——两代题库的难度与设计不同；⚠️ 截至基准日本报告未核到 2026 年赛季的对等成绩，因此这个 24% 是 2025 年的快照，不是当下值。⑤「RSP 版本」：v3.0（2026-02-24）把 ASL 编号移入附录，v3.1（2026-04-02）澄清 AI 研发能力阈值指「整体 AI 能力进展速率」而非「研究员生产力」，v3.2（2026-04-29）把 LTBT 写进执行回路，截至基准日最新为 v3.4（2026-07-08）——2026 年共五个版本、三次阈值修改；🔴 引 RSP 必须带版本号，「RSP 规定……」这种无版本号的写法在 2026 年一律不成立。⑥「出口管制的硬件代差」：RAND 的「约四年代差」是 2025 年的评估，并与「代理公司漏洞让 Huawei 获得数百万先进 die」出自同一批分析；⛔ 只引其中一半即为选择性引用。

批判性读法

表 7 的十条「被修正」里有六条落在安全与治理侧：RSP 硬承诺、ASL 主轴、通用越狱表述、宪法适用范围、产品工程的透明度、投毒结论。**它们的共同形状是：一个曾被表述得比较绝对的承诺，在 2026 年被加上了限定条件。**这个形状值得被指出来——因为限定条件的加法几乎总是发生在承诺被检验之后，而不是之前。⚠️ 这不等于承诺是假的，但它确实说明：这家公司对外表述的强度，在被检验前系统性地高于被检验后。

同情性读法

**这张表里有相当一部分「现实检验」的材料，来自 Anthropic 自己发布的文件。**80% 代码那一行来自它自己的报告；失业率那一行来自它自己的论文；投毒那一行是它自己参与的研究；AAR 的两层归因是它自己写在原文里的。一家公开发布能够修正自己主张的材料的公司，与一家只发布支持自己主张的材料的公司，处在不同的位置上。⚠️ 这不构成免责——发布并不能替代兑现——但它是评价这张表时不应被省略的一个事实。

    当前判定 · 这张表本身的判定
    

可以裁决的是一件事：前八页的主张在 2026 年被大量真实事件触碰到，而其中绝大多数需要的是加限定条件，不是整句作废。不能裁决的是方向——「被修正」的十条里，哪几条会在 2027 年进一步向「被反证」移动、哪几条会稳定下来，本报告没有依据预判。准确的一句话是：这是一张记录「主张与现实第一次大规模接触」的表，而第一次接触的结果通常是措辞的调整，而不是立场的崩塌。⛔ 本报告不把这张表读成一份成绩单。

9 · 我的看法

本节是编者判断，与前八节的事实部分严格分开。它不追加任何新事实，只回答一个问题：把本章的九十多个节点、三张索引表和三条法律线放在一起看，2026 年对这家公司来说究竟是哪一种年份。⚠️ 以下每一句都是可以被反驳的意见，不具备前面各节那种一手来源的地位。

    我的看法 · 2026 是假说开始产生后果的一年
    

**2026 年的核心不是「Anthropic 变得更强」。**它当然更强了——估值第一次超过 OpenAI，收入口径从百亿级跳到数百亿级，模型阶梯铺满了四个价位。但这些都是量的变化，而 2026 年发生的是一件性质不同的事：这家公司的研究主张开始变成制度和现实事件。

把六件事排在一起，这个转变的形状会立刻显现：模型能够执行的任务时长从分钟量级推进到可以独立完成一整段工程流程；安全评测的判据变得越来越主观——最高档的两个模型权重相同、只有护栏不同，「安全」第一次成为产品身份本身；一个国家的政府第一次让一款前沿商业模型全球下线；这家公司第一次准备把自己交给公开市场定价；它内部的安全研究负责人第一次公开离开；它押注最深的可解释性路线，第一次面对一个来自其自身理论前提的系统性挑战——不存在唯一的那一条回路。这六件事没有一件是「模型变好了」，它们全都是「主张被兑现、被检验、或被制度接住」。

因此我对这一年的概括是：2026 是 Anthropic 从提出假说，转向承受假说后果的一年。这个区分之所以重要，是因为两个阶段的评价标准完全不同。假说阶段可以只看一句话说得对不对；后果阶段要看的是三件事——承诺在被检验时兑现了多少、表述在被检验后如何调整、以及这家公司是否继续发布那些能够修正它自己的材料。§8 表 7 的形状（21 行里 10 条「被修正」）正是后果阶段最典型的形状：第一次接触现实的结果，通常是措辞的调整，而不是立场的崩塌。

**我认为最值得长期盯住的是三处结构性变化，而不是任何一条新闻。**其一，安全的评判正在从客观阈值转向配置选择。ASL 编号退居附录、硬性承诺被取消、同权重不同护栏的双模型发布——这三件事指向同一个方向：「这个模型安不安全」正在被「这个模型配了哪一套护栏」取代。这未必更糟（配置比等级更贴近真实风险），但它把可外部验证的东西换成了需要信任发布方的东西。**其二，治理结构第一次要接受外部定价。**信托任命的董事构成多数，与保密递交 S-1，相隔四十八天；⚠️ 我不主张这两件事之间有因果，但一个从未被公开市场定价过的治理结构即将被定价，这本身就是一个没有先例的实验。**其三，约束这家公司的外部力量，自己也缺少稳定程序。**国防部那场冲突里，行政指令、法院禁令与实际执行三者在同一周内互相矛盾；⚠️ 初步禁令不是实体判决，而覆盖联邦采购的指定至今仍在生效。如果外部约束者本身没有程序，那么「让外部力量来监督 AI 公司」这条路径的可靠性，就不能被默认。

有一处我在写这一章的过程中改变了看法。我原本把中英文报道的密度差异当作一条新闻背景，现在我认为它是一个方法论问题：本报告的材料基础本身带有语言偏向。同一件事，中文源给出连续密集的技术细节，英文源几乎空白；而另一些事情正好相反。⚠️ 我没有办法消除这个偏向，能做的只是把它写进正文，让读者知道自己拿到的是哪一半（见 §7.6）。这也是我不愿意用「中文世界怎么看」这种整体化说法的原因——那会把三类性质完全不同的批评（事实错误、范围错配、立场差异）压成一个立场。

    我的看法 · 我不打算用哪一种方式收尾
    

**关于这家公司，最省事的两种结论都在射程之内，而我认为它们都不成立。**一种是把 2026 年读成一份揭露：安全承诺被取消、安全负责人离职、隐蔽标记被发现、招股书递了上去——串起来足够写一篇很好读的稿子。另一种是把同一批事实读成一份辩护：它公开了拒绝的军方用例、发布了与自家 CEO 判断相反的就业研究、把宪法用 CC0 放出来、在 AAR 论文里主动写下自己方法的局限。⛔ 这两种读法都能自洽，而它们能自洽恰恰说明它们都不是结论，只是选材。

我采用的框架是第三种：把 Anthropic 看成一个正在用自己提出的标准接受公开检验的组织。这个框架的好处是它能容纳矛盾证据，而不需要先判断动机。它给出的评价方式很具体——不看它说了什么，看它在被检验之后如何修改表述；不看它发了多少安全研究，看它是否继续发布那些能够修正它自己的材料。按这个标准，本章的记录是混合的：宪法适用范围、RSP 硬承诺、通用越狱表述这三处的修改都发生在被追问之后，而不是之前；但 80% 代码那份报告、失业率那篇论文、AAR 那两层归因，确实是它自己主动放出来的、可以用来反驳它自己的材料。这两组事实需要被同时记住，而不是被平均成一个分数。

**最后一句留给时间尺度。**本章检验的每一条主张，窗口都还没有走完：就业预测的五年窗口刚过第一年，S-1 只是草案，两宗国防部诉讼没有实体判决，可解释性的那个挑战只在亿级参数模型上做过。**2026 年提供的不是答案，而是第一批可以被反驳的记录。**这也是本报告存在的理由——把这批记录的口径、日期与来源钉住，好让 2027 年的人有东西可以推翻。编者对这家公司的整体评价、以及那些无法在事实层面裁决的判断，全部集中在 11-my-take.html。

⑨ 2026 前沿与行业对照　|　Anthropic 独特认知 · 深度调研报告　|　事实截止日 2026-07-25（UTC+8）

本报告为第三方独立调研，与 Anthropic 无隶属关系。观点部分为编者独立判断，不代表被调研对象立场。返回总览