Anthropic逼近RSI门槛：S-1里真正变了的三件事

2026 年 11 月 2 日，Anthropic 更新上市文件 S-1/A，在风险因素中披露：其内部评估显示，未来模型可能“很快”达到《负责任扩展政策》（Responsible Scaling Policy，简称 RSP）所说的“由 AI 驱动的显著加速进展”门槛。现在值得看，不只是因为“AI 自我改进”听起来惊险，而是这份文件首次把三个关键判断放进了公开文件：当前模型尚未越线、未来模型可能逼近、能力加速还可能难以事后识别。

先说明本文的归属规则：Anthropic 官网与其上市文件中的表述视为官方说法；TechCrunch 和 The Verge 提供的是媒体核验与背景；“可能意味着”“普通用户应关注什么”等判断均为本文分析，不是官方结论。

从“离得很远”到“可能很快”，措辞如何变化

递归式自我改进（RSI，指 AI 参与设计、训练或构建更强大继任模型，并由此加快能力提升）并非新概念。The Verge 在 2026 年 6 月 4 日的报道中援引 Anthropic 官方说明称，RSI 是“能够完全自主设计并开发自身继任者的 AI 系统”；当时的公开判断是“我们还没有到达那里”，而且 RSI“并非必然发生”。

11 月的 S-1/A 没有宣布跨线。它实际说的是：Anthropic 内部估算以及对未来模型的预期显示，公司可能即将满足 RSP 对“AI 带来的显著加速进展”的定义；同时，任何现有模型都没有被认定为超过该阈值，底层数据仍在评估。

这组表述比一句“我们快到了”更微妙。它至少区分了三个时间点：

因此，这不是“RSI 已经实现”的公告，而是“预测窗口正在缩短，但触发标准和模型状态尚未公开确认”的预警。

真正变化，不只是多了一个术语

Anthropic 官网对 RSI 的长期讨论此前已覆盖“AI 建造 AI”及其治理问题。这次 S-1/A 的增量主要有三处。

第一处是对象从泛泛的 AI 研发转向 Anthropic 自己的内部流程。文件明确称，公司已经在研发中使用 AI；如果这种使用令模型能力提升得比安全、对齐与安保措施的开发和验证更快，就可能形成风险。这里的“对齐”是让模型行为符合人类意图的工程过程，“安保”则覆盖防范滥用等安全措施。

第二处是承认识别可能滞后。官方不是承诺“我们总能提前看到”，而是明确写道，显著加速可能在其发生之后才被识别。这是比普通能力预告更重的声明：安全评估不只要判断模型现在有多强，还要判断研发流水线是否开始自我加速。

第三处是控制方案。Anthropic 表示，即使技术上将来可以让 Claude 自主设计并构建后续前沿模型，公司也预计无法在缺少有意义的人类监督和理解的情况下安全地这样做，因此正考虑更新 RSP，以维持人类对前沿模型开发的控制。

换句话说，RSP 里的“门槛”不是一道只靠能力评测自动开启的门。官方文本同时指向治理更新：即使能力接近，仍不应把后续模型的设计权完全交给上一代模型。

“接近自我改进”不等于“自主造出下一代”

普通用户最容易把 RSI 理解成一段科幻剧情：Claude 写代码、训练新 Claude、再写下一代，循环往复直到失控。但现有披露更接近研发效率问题，而不是已经发生完整闭环。

Anthropic 对“接近门槛”的依据是未来模型预期和内部评估，不是公开列出的自主研发成功率，也没有给出某个模型已经能够独立完成训练、评估、部署和安全认证的证据。当前模型尚未被认定越过门槛，而公司还明确保留人类监督。

不过，这也不能被弱化成营销式的“风险可控”。Anthropic 所说的“识别滞后”恰好意味着，现有能力评测未必能及时看出研发速度变化。如果安全团队仍用上一代模型的表现判断下一代，而下一代已经改变研究代码、实验设计甚至训练流程，那么旧指标可能失去预警作用。

这是我的边界推导：真正需要观察的，可能不只是模型榜单，而是研发周期、实验吞吐量、代理任务占比、评测失效时间等流程指标。Anthropic 没有在所引文件段落中公布这些具体指标，因此它们应当作为读者提出核查的问题，而不是公司已经采用的官方标准。

同一份披露，为何既像警告又像宣传

S-1/A 兼具法律披露与公司融资叙事，这会产生一种天然张力。TechCrunch 的质疑是：接近“强到足以构建自身”的模型，也可能服务于上市宣传。这个判断属于媒体评论，不是 Anthropic 的自述，但它提醒读者，披露中的用词不能脱离利益关系阅读。

Anthropic 一方面表示可能很快接近门槛，另一方面强调没有现役模型越线、未来仍需人类参与。两句话并不矛盾：前者描述研发速度可能带来的风险，后者描述当前控制措施。可争议之处在于，它们能否同时证明公司的治理体系足够快。

因此，“该不该减速”不能只靠一句“风险大”或“创新重要”来回答。至少要问三件事：门槛由什么指标定义，谁负责独立判断，触发后暂停哪些训练、数据使用或部署活动。现有引用段落只明确了门槛概念和人类监督方向，没有公开完整触发清单。

给普通用户的一份核验清单

读者下次看到“AI 已接近自我进化”的标题，可以先把报道拆成可核验的命题。下面的结构化摘要不是官方配置文件，只是把文中事实整理成一张可复制的阅读备忘录：

# 阅读备忘录：非官方判定清单
claim:
  current_model_over_RSP_threshold: false
  future_model_estimate: "may imminently meet"
  evidence_detection: "may occur after acceleration"
  human_supervision: "meaningful supervision and understanding"

questions_to_verify:
  - "门槛的具体评估指标是什么？"
  - "谁可以独立确认模型已经越线？"
  - "越线后暂停哪些训练或部署活动？"
  - "公众从何处查看评估结论？"

这份清单区分了“当前事实”“内部预期”和“尚待公开的信息”。真正有信息量的更新，不是新闻再次使用 RSI 这个词，而是 Anthropic 公开更多门槛指标、公布当前评估状态，或说明 RSP 将如何改写人类控制条款。

如果未来只是继续说“可能很快”，却没有更清晰的判据，读者就无法区分真实预警与叙事升级。反之，如果公司给出明确指标、独立复核方式和触发后的暂停机制，这次披露才可能从风险声明变成可执行的治理信号。

应盯住下一次政策更新，而不是下一次模型发布

从 6 月到 11 月，最明显的变化不是公司承认了“AI 已经失控”，而是预警对象发生了变化：6 月强调当前尚未到达且并非必然，11 月强调内部预期可能很快达到门槛，并承认事后才能识别加速。

对普通用户而言，接下来最有信息量的不是某次榜单刷新，而是三类公开动作：RSP 是否更新；评估指标能否从公司内部说明变成外部可理解的标准；触发门槛后是否存在明确暂停机制。模型能力会继续变化，但如果只有能力叙事、没有程序性答案，公众仍无法判断风险是否真的受到控制。

Anthropic 的官方说明和 RSP 讨论可参见其 Institute 文章。读者也可对照 TechCrunch 对 S-1/A 风险因素段落的核验，以及 The Verge 对 2026 年 6 月官方表态的梳理。