AI系统即将开始自我构建

Import AI 主编 Jack Clark 在2026年5月4日的文章中公开表示，基于对公开信息的分析，他 reluctantly 得出一个观点：到2028年底，无需人类参与的AI研发（即AI系统能够自主构建其继任者）发生的概率超过60%。他认为，AI研究正走向端到端自动化，这将跨越一条“卢比孔河”，进入几乎无法预测的未来。

Clark 强调，这一判断主要基于 arXiv、bioRxiv、NBER 上的论文以及前沿公司部署的产品。他相信，所有构建当今AI系统的工程组件已经就位；如果扩展趋势持续，模型将变得足够有创造力，能够替代人类研究人员提出新颖的研究路径。

SWE-Bench 是评估AI解决真实GitHub问题的基准。2023年底，最佳模型Claude 2的得分约为2%；而到2026年，Claude Mythos Preview 达到93.9%，实际上已饱和该基准。Clark 指出，所有基准都有固有噪声，例如ImageNet验证集中约6%的标签是错误的或模糊的。

SWE-Bench 是编码能力的可靠代理指标。据 Clark 观察，前沿实验室和硅谷的绝大多数人现在完全通过AI系统编码，并越来越多地使用AI编写测试和检查代码。这意味着AI已经自动化了AI研发的一个主要组成部分。

METR 绘制了AI系统能可靠完成的任务复杂度，以熟练人类所需小时数衡量。2022年，GPT-3.5 可完成约30秒的任务；2023年GPT-4达到4分钟；2024年o1达到40分钟；2025年GPT-5.2 (High) 达到约6小时；2026年Opus 4.6已达到约12小时。METR 的 Ajeya Cotra 认为，到2026年底AI系统完成约100小时的任务并非不合理。

这一增长与智能体编码工具的爆发直接相关。AI研究人员的大量工作——如清理数据、阅读数据、启动实验——现在都落在现代系统的时间跨度范围内。

现代科学很大程度上是指定方向、运行实验并检查结果。AI在编码和世界建模方面的进步已催生工具，加速人类科学家并部分自动化研发。

CORE-Bench（计算可复现性智能体基准）等基准测试显示，AI在复现研究结果、组合机器学习技术以及优化AI系统自身方面取得了显著进展。这些技能正是AI研发的核心。

Clark 明确表示，他不预期完全自动化AI研发在2026年内发生。但他认为，在一两年内可能出现“模型端到端训练其继任者”的概念验证，尤其是在非前沿模型上；前沿模型因成本高昂且依赖大量人类努力，可能更难实现。

所有证据均来自公开信息，但基准测试存在固有缺陷。Clark 强调，重要的是观察所有数据点汇聚而成的总体趋势，而非单个基准的细节。