Anthropic opublikował 17 września 2026 roku pierwsze wyniki wskaźnika o nazwie Anthropic R&D Automation Index, z których wynika, że w sierpniu 2026 roku model Claude „prowadził” 26 proc. prac badawczo-rozwojowych firmy nad jej własnymi modelami, wobec mniej niż 1 proc. w lutym tego roku. Anthropic zastrzega jednocześnie, że w żadnym zmierzonym obszarze Claude nie działa w pełni autonomicznie, a wszystkie trzy opublikowane metryki firma zmierzyła sama na sobie, w dużej części przy użyciu własnego modelu.
- Według Anthropic R&D Automation Index, w sierpniu 2026 roku model Claude „prowadził" (poziom AL4 w skali Epoch AI, czyli wykonywał większość zadania na podstawie ogólnego polecenia przy człowieku w roli nadzorującego) 26 proc. prac badawczo-rozwojowych Anthropic nad własnymi modelami, wobec mniej niż 1 proc. w lutym 2026 roku.
- Żaden z mierzonych obszarów prac nie osiągnął poziomu AL5, czyli pełnej autonomii bez człowieka w pętli, a indeks powstał z około 15 tysięcy zadań ocenianych przez model Claude jako niezależny „sędzia" – co Anthropic sam wskazuje jako słaby punkt metodologii.
- Dzień po publikacji Anthropic, 18 września 2026 roku, ponad stu badaczy i ewaluatorów AI – w tym noblista Geoffrey Hinton – podpisało list zorganizowany przez AI Evaluator Forum, wzywający firmy i rządy do wzmocnienia niezależnego nadzoru nad laboratoriami AI, argumentując, że twórca produktu nie powinien sam go certyfikować.
Zapowiedź publikacji i odnośnik do pełnej metodologii Anthropic zamieścił na swoim profilu na X: https://twitter.com/AnthropicAI/status/2100684274114699295.
AI systems are getting more powerful, and they're increasingly being used to build the next version of themselves. We want to illuminate that progress for the public.
Today, we're sharing three measurements that help track AI development:
1. How much AI R&D is done by AI.
2. How…— Anthropic (@AnthropicAI) September 17, 2026
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Claude „prowadzi” jedną czwartą prac, ale w żadnym obszarze nie pracuje bez nadzoru człowieka
Anthropic ocenił swoje prace badawczo-rozwojowe na sześciostopniowej skali automatyzacji (Automation Level, AL) opracowanej przez Epoch AI, niezależną organizację badawczą zajmującą się analizą rozwoju sztucznej inteligencji. Skala biegnie od AL0, czyli braku udziału AI, do AL5, w którym model działa całkowicie samodzielnie, bez człowieka w pętli.
Dwa poziomy pośrodku decydują o interpretacji liczby 26 proc. Na poziomie AL3 („AI współpracuje”) model wykonuje duże fragmenty zadania pod ścisłym kierunkiem człowieka. Na poziomie AL4 („AI prowadzi”) model doprowadza większość zadania do końca na podstawie ogólnego polecenia, a człowiek pełni rolę nadzorującego i zatwierdza wynik.
Wyniki pomiaru na sierpień 2026 roku wyglądają następująco:
- Claude „prowadzi” (AL4) 26 proc. prac badawczo-rozwojowych Anthropic nad modelami.
- Ponad 90 proc. tych prac znajduje się na poziomie AL3 lub wyższym, czyli Claude bierze w nich udział co najmniej jako współpracownik.
- Żaden zmierzony wycinek prac nie osiągnął poziomu AL5, czyli pełnej autonomii.
Sam Anthropic w opublikowanym materiale ilustruje różnicę między poziomami przykładem naprawy nocnego potoku danych. Na poziomie AL3 inżynier przychodzi do Claude’a z logami i własną hipotezą, a po naprawie sam przegląda zmianę linia po linii i wdraża ją. Na poziomie AL4 inżynier przekazuje Claude’owi sam alert o awarii, a model samodzielnie znajduje przyczynę, pisze i testuje poprawkę oraz opisuje, co zmienił, ale wdrożenia nie wykonuje. Zgodnie z opisem firmy poziom AL5, w którym model sam wykrywałby awarię i sam wypuszczał poprawkę na produkcję, nie został jeszcze osiągnięty.
Indeks powstał z około 15 tysięcy zadań, a oceniał je model tej samej firmy
Metodologia indeksu opiera się na próbkowaniu rzeczywistej pracy pracowników Anthropic, a nie na deklaracjach kierownictwa. Dla każdego tygodnia lipca 2026 roku firma losowo wybrała 20 proc. pracowników z każdego działu wchodzącego w skład procesu rozwoju modeli. Agent badawczy oparty na Claude przeglądał tydzień pracy każdej wylosowanej osoby na podstawie Slacka i wewnętrznej dokumentacji i spisywał wykonane zadania.
Tak powstała lista około 15 tysięcy pojedynczych zadań, które Claude uporządkował w drzewo liczące 542 węzły, w tym 378 kategorii końcowych. Anthropic podaje ich przykłady: diagnozowanie i naprawa usterek platformy ewaluacyjnej, polityki sieciowe piaskownic używanych w uczeniu ze wzmocnieniem oraz analizy powdrożeniowe awarii serwowania modeli. Każdej kategorii przypisano wagę odpowiadającą liczbie roboczogodzin, jakie pracownicy na nią poświęcili.
Oceny poziomu automatyzacji wystawiał osobny „sędzia” będący modelem Claude, który czytał zebrany materiał dowodowy. Anthropic sam wskazuje to jako słaby punkt: firma używa własnych modeli do oceny własnych systemów, więc model oceniający może popełniać te same błędy co model oceniany. Dla kontroli Anthropic poprosił pracowników odpowiedzialnych za poszczególne obszary o niezależne oceny. Zgodność modelu z człowiekiem co do dokładnego poziomu wyniosła 59 proc., podczas gdy zgodność między samymi ludźmi wyniosła 35 proc., a oceny modelu i ludzi mieściły się w granicach jednego poziomu w 97 proc. przypadków.
Około 30 tysięcy agentów pracuje jednocześnie, blokowana jest jedna decyzja na 47 tysięcy
Druga z opublikowanych metryk dotyczy nadzoru nad agentami AI działającymi na wewnętrznych systemach Anthropic. W sierpniu 2026 roku na najczęściej używanej wewnętrznej platformie firmy w każdym momencie pracowało około 30 tysięcy agentów wykonujących zadania badawcze i inżynieryjne.
Anthropic opisuje dwa rodzaje nadzoru. Monitor działający w czasie rzeczywistym sprawdza każdą akcję agenta przed jej wykonaniem, zwykle w ciągu sekund, i ma blokować szkody nieodwracalne, takie jak próba skopiowania wag modelu poza systemy firmy. Monitor działający po fakcie analizuje zapisy pracy agentów i ma wychwytywać powolne, odwracalne problemy, na przykład oznaki rozbieżności celów modelu.
Z ponad miliarda decyzji podjętych przez agentów badawczych i inżynieryjnych w sierpniu 2026 roku monitor czasu rzeczywistego zablokował 0,002 proc., czyli mniej więcej jedną na 47 tysięcy. System działający po fakcie oznacza do dalszego przeglądu około 100 tysięcy zapisów tygodniowo, z czego około 50 najwyżej priorytetowych trafia do przeglądu przez człowieka.
Anthropic zastrzega, że pomiar obejmuje wyłącznie jedną platformę wewnętrzną, a monitorowaniem agentów firma zajmuje się od miesięcy, nie od lat.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Na bezpieczeństwo trafia około 6 proc. mocy obliczeniowej przeznaczonej na rozwój modeli
Trzecia metryka to podział mocy obliczeniowej. W tygodniu od 13 do 20 lipca 2026 roku około 6 proc. mocy obliczeniowej przeznaczonej na prace badawczo-rozwojowe nad AI poszło na prace związane z bezpieczeństwem. W obrębie samych prac prowadzonych przez AI udział ten wyniósł około 12 proc.
Anthropic nazywa te szacunki celowo zachowawczymi. Jeśli dane obliczenie w równym stopniu służyło rozwojowi możliwości modelu i jego bezpieczeństwu, nie zostało zaliczone do bezpieczeństwa. Klasyfikacji dokonywał model Claude na próbce około 14 proc. z blisko 10 tysięcy przebiegów z tego tygodnia, dobranej tak, by odzwierciedlała faktyczne zużycie mocy.
Firma sama wskazuje ograniczenie tego wskaźnika: udział mocy obliczeniowej mierzy wydatek, a nie wysiłek. Szybszy klasyfikator bezpieczeństwa obniża ten odsetek, choć nie oznacza, że pracy nad bezpieczeństwem jest mniej. Pomiar obejmuje też tylko jeden tydzień, co, jak przyznaje Anthropic, wystarcza do pokazania, że taki pomiar da się wykonać, ale nie do pokazania trendu.
Najciekawszą liczbą w całym tym materiale nie jest 26 proc., tylko zero. Anthropic mówi wprost, że żaden mierzony obszar prac nad modelami nie działa bez człowieka, i to zastrzeżenie powinno podróżować razem z liczbą, bo bez niego „Claude prowadzi jedną czwartą badań” czyta się jak coś zupełnie innego, niż firma napisała.
Widzę tu jednak realne napięcie, którego samą publikacją nie da się rozbroić. Anthropic mierzy sam siebie, narzędziem, które sam zbudował, przy użyciu własnego modelu jako sędziego, i sam to przyznaje. To wciąż więcej, niż robi dziś ktokolwiek inny w branży, i dlatego uważam publikację za wartościową. Ale wartość takiego wskaźnika rośnie dopiero wtedy, gdy ktoś z zewnątrz może go powtórzyć i otrzymać ten sam wynik. Na razie nikt tego nie zrobił.
Sprawdziłem, jak liczba 26 proc. przeszła przez media. W wielu miejscach zgubiła po drodze definicję poziomu AL4 i zastrzeżenie o braku pełnej autonomii. Tak właśnie z pomiaru ostrożnego robi się nagłówek o AI, która buduje samą siebie. Pytanie, które zostaje otwarte: skoro Anthropic potrafi policzyć, ile jego badań prowadzi model, to dlaczego żadne inne laboratorium jeszcze takiej liczby nie podało?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Ponad 100 ekspertów, w tym Geoffrey Hinton, domaga się niezależnych ewaluatorów
Dzień po publikacji Anthropic, 18 września 2026 roku, ponad stu badaczy i ewaluatorów AI ogłosiło list wzywający firmy i rządy do wzmocnienia niezależnego nadzoru nad najbardziej zaawansowanymi laboratoriami. Wśród sygnatariuszy znalazł się Geoffrey Hinton, laureat Nagrody Nobla z fizyki z 2024 roku i jeden z twórców współczesnego uczenia głębokiego.
List zorganizowało AI Evaluator Forum, konsorcjum organizacji testujących systemy AI pod kątem bezpieczeństwa. Jego przewodniczący Conrad Stosz powiedział w rozmowie z CNBC, że celem jest ustalenie wspólnego minimum zasad i sprawienie, by niezależny nadzór stał się realnym narzędziem zarządzania ryzykiem związanym z AI. Sygnatariusze ostrzegają, że nie mają dziś zasobów ani zabezpieczeń potrzebnych do rzetelnego testowania systemów, które mają oceniać.
Mark Daley, dyrektor do spraw AI na Western University w Kanadzie, w rozmowie z CTV News odniósł się do zasady stojącej za tym postulatem:
„Jeśli ktoś buduje produkt, nie ufamy mu, że sam go certyfikuje” / „If someone’s building a product, we don’t trust them to certify their own product”
Daley dodał, że w branżach, w których bezpieczeństwo rzeczywiście ma znaczenie, korzysta się z zewnętrznego eksperta bez interesu w naginaniu prawdy w którąkolwiek stronę, i że jest to podstawowa zasada inżynierii bezpieczeństwa.
Publikacja przyszła pięć dni po eseju Dario Amodeia o spowolnieniu tempa rozwoju AI
Dane Anthropic ukazały się pięć dni po tym, jak 12 września 2026 roku prezes firmy Dario Amodei opublikował esej „We Must Pace the Frontier”, w którym argumentuje, że branża powinna świadomie spowolnić przyrost możliwości modeli, by badania nad bezpieczeństwem zdążyły nadążyć. Amodei zapowiedział w nim, że Anthropic jednostronnie da zewnętrznym ewaluatorom stały dostęp do swoich systemów na poziomie porównywalnym z dostępem pracowników. W opublikowanym teraz materiale firma powtarza tę deklarację i wskazuje, że opisane metryki to właśnie ten rodzaj danych, który mieliby monitorować zewnętrzni ewaluatorzy.
Zapowiedź Amodeia spotkała się z publicznym poparciem szefów konkurencji, w tym Sama Altmana z OpenAI, który zadeklarował, że jego firma zrobi to samo. Żadne inne laboratorium nie opublikowało jednak dotąd własnych liczb dotyczących udziału AI we własnych badaniach, więc wskaźnika Anthropic nie ma z czym porównać. Firma proponuje swoją metodologię jako wzorzec możliwy do powtórzenia przez innych i wskazuje dwie przeszkody w porównywaniu laboratoriów: brak wspólnej metodologii oraz ocenianie własnych systemów własnymi modelami.
Kontekst jest przy tym napięty także wewnątrz samej firmy. Na początku września 2026 roku badacz Anthropic Jacob Coxon odszedł z firmy, publicznie zarzucając Anthropic i OpenAI wyścig w stronę samodoskonalącej się superinteligencji. Materiał opublikowany 17 września dotyczy dokładnie tego, jak blisko tego punktu jest dziś Anthropic według własnego pomiaru.
Publikację przygotowali Marina Favaro i Phillie Wright, a kierunek badawczy nadał jej Jack Clark, współzałożyciel Anthropic odpowiadający za politykę publiczną.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polski nadzór nad AI rusza dopiero w listopadzie i takich danych nie wymaga
Dla polskiego czytelnika liczby Anthropic są ciekawe z jednego powodu: żaden obowiązujący w Polsce przepis nie nakazuje twórcom modeli ujawniania tego rodzaju informacji. Anthropic opublikował je dobrowolnie.
Krajowe ramy nadzoru nad AI dopiero powstają. Ustawa o systemach sztucznej inteligencji została uchwalona 3 lipca 2026 roku, podpisana przez prezydenta Karola Nawrockiego 24 lipca, opublikowana w Dzienniku Ustaw 27 lipca i weszła w życie 11 sierpnia 2026 roku. Powołuje ona Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI), krajowy organ nadzoru rynku dla unijnego AI Act, obsługiwany organizacyjnie przez Ministerstwo Cyfryzacji. Uprawnienia kontrolne i możliwość nakładania kar Komisja zyskuje od 28 października 2026 roku.
Jak wskazywał wiceminister cyfryzacji Dariusz Standerski, przewodniczący KRiBSI ma zostać powołany w ciągu dwóch miesięcy od wejścia ustawy w życie, a cała Komisja w ciągu trzech, co oznacza start jej działalności w listopadzie 2026 roku.
Polska ustawa nie tworzy przy tym nowych obowiązków merytorycznych dla dostawców modeli, bo te wynikają wprost z unijnego rozporządzenia. Rozstrzyga natomiast, kto w Polsce będzie ich pilnował. Wskaźnik pokazujący, jaka część prac badawczych laboratorium jest prowadzona przez jego własny model, nie mieści się dziś w żadnej z tych kategorii sprawozdawczych. Propozycja Anthropic, by taki pomiar stał się standardem branżowym weryfikowanym przez stronę trzecią, wyprzedza więc to, czego polski i unijny nadzór może w tej chwili zażądać.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału źródłowego, którym jest publikacja Anthropic „Measurements for understanding the pace of AI development inside frontier labs” z dnia 17.09.2026, wraz z jej aneksem metodologicznym, oraz esej Dario Amodeia „We Must Pace the Frontier” z dnia 12.09.2026. Informacje o liście AI Evaluator Forum pochodzą z CNBC z dnia 18.09.2026, a wypowiedź Marka Daleya z relacji CTV News opublikowanej przez BNN Bloomberg. Temat zwróciła uwagę redakcji publikacja The Washington Post z 17.09.2026. Informacje o polskich ramach nadzoru pochodzą z komunikatu Ministerstwa Cyfryzacji oraz z tekstu ustawy z dnia 3 lipca 2026 r. o systemach sztucznej inteligencji.
Cytat Marka Daleya, dyrektora do spraw AI na Western University, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wskaźniku Anthropic R&D Automation Index i o publikowaniu podobnych danych przez inne laboratoria.
