Anthropic联合创始人Jack Clark在2026年10月12日的行业通讯中抛出一个激进论断：AI系统独立研发更强后继系统（即递归自我改进，RSI）的实现节点，从原先预期的2028年提前至2027年。引发这次预言调整的直接催化剂，是评测机构P-Zero Research发布的一项名为TasteVal的全新基准测试。数据显示，模型在AI研发实验中的算力效率每隔约3个月便翻倍，Anthropic未发布的Opus 5.5更是在测试中跑出了人类专家基线2.30倍的算力乘数。
公众与资本市场迅速将此包装为技术奇点逼近的铁证，但这项测试的实际成色却远没有字面数字那样光鲜。仔细拆解TasteVal的实验设计便会发现，业界正在用战术层面的调参提效，偷换真正决定科学突破的研究品味，所谓的自我进化更像一场经过严格轨道设定的算力游戏。
算力乘数2.3倍：测的是科研品味，还是算力节约？
P-Zero Research提出的AI Futures Model设定了一个前提：一旦代码编写被智能体完全接管，限制AI自我进化的最大瓶颈就是实验算力。为了度量模型是否具备资深科学家的直觉，机构将传统意义上的研究品味拆解为三步：挑出有价值的研究课题、设计验证实验、正确解读实验数据。TasteVal在测试中直接剔除了第一项，只测试后两项在既定跑道上的执行力。
测试设计了8项具体的AI模型研发任务，涵盖数据筛选、预训练、微调、偏好建模以及对抗鲁棒性防御。所有任务的目标与评估指标全部预先给定，模型的代码执行也统一由固定的Opus 4.8智能体代理，限制在单张Nvidia H100显卡上运行，上限为40 GPU小时或120小时墙钟时间。
所谓的算力乘数，本质是达到相同基准分数时人类专家与模型消耗算力的比值。人类基线由来自OpenAI、Google DeepMind、Nvidia及Microsoft Research的24名专业研究员确立，每项任务至少两人参与，取单次最佳尝试作为基准线，且专家被严禁借助AI辅助。Anthropic的Opus 5.5单次尝试成本仅有人类专家的约三十分之一，获得了2.30倍的乘数，被解读为模型只需人类不到一半的算力就能达到同等优化结果。
- 结论.当前测试度量的不是科学发现能力，而是固定指标下的局部试错效率与成本压缩比。
数据断层与黑盒：狂飙的效率与停滞的突破
这一套测试体系给出的乐观曲线，存在着明显的统计不确定性与现实断层。尽管模型在TasteVal上的算力乘数自2025年12月起呈现约3个月翻倍的陡峭增幅，但置信区间极度宽泛。
| 评估模型 | 算力乘数（中位数） | 95% 置信区间 | 任务完成度 |
|---|---|---|---|
| Opus 5.5 | 2.30 倍 | [1.15, 4.37] | 7 / 8 项（1项拒答剔除） |
| GPT-6 Astra | 1.60 倍 | [0.77, 3.02] | 8 / 8 项 |
| Opus 5.0 | 1.29 倍 | [0.69, 2.33] | 8 / 8 项 |
最显著的漏洞在于统计样本的处理方式。Opus 5.5在8项任务中仅完成了7项，另一项因模型发生拒答（Refusal）被直接当作缺失数据剔除，并未记作失败打零分。如果在剔除该任务的7项任务同口径下比对，其乘数微跌至2.25倍。此外，测试序列中完全缺少了Google DeepMind的Gemini系列模型，缺少了关键对照组。人类专家样本库虽然履历亮眼，但也并未涵盖全球顶尖水平的AI科学家。为了防止数据污染，TasteVal并未开源具体的测试题目，导致第三方目前根本无法独立复盘。
最致命的背离来自于成果质量。TasteVal记录到的模型实验算力效率大约每3个月翻倍，但模型产出的标准化最终性能（Normalized Final Performance）翻倍周期却长达14.6个月，且曲线平缓、未见提速拐点。算力利用变得灵巧，并不代表产出的成果变得厚重。
战术代工与闭环幻觉：谁在决定研究什么？
AI学者Herbie Bradley在驳斥Clark早前预测时曾指出，模型或许能快速取代初级程序员做消融实验，但统筹全局的元认知与长期科研品味依然杳无音讯。复旦大学团队在一项关于AI智能体参与模型研发的研究中也印证了这一断层：智能体可以提出高达55%的方法论构想，但人类研究员依然掌控着超过85%的核心决策。
决定验证什么假设的直觉，远比执行验证过程的熟练度更加昂贵。
TasteVal设定的环境，恰恰把所有最具挑战性的战略决策在测试前剥离干净。模型在单张H100上高效跑完40个GPU小时，找出表现最佳的超参数或清洗方案，这属于高质量的战术代工，却不是自主科学探索。
- 风险.若将算力节约倍数过度引申为AI自我迭代能力，研发团队容易过早撤除人工审查，导致模型陷入局部指标刷分而丧失底层架构演进能力。
从2026年5月给出2028年实现概率约60%、2027年约30%，到10月直接把时间表提前至2027年，作为Anthropic联合创始人的Jack Clark，其激进判断背后很难摆脱为自家旗舰模型Opus 5.5造势的商业动机。模型在工业界确实开始承接大量调参、评估与代码重构，但只要发现新科学范式与制定假设的缰绳仍在人类手中，2027年自我研发后继系统的预言，就依然只是建筑在特定算力指标上的一纸期票。