Trong phần lớn lịch sử của AI, con người là người dẫn dắt mọi bước trong chu trình phát triển. Nhưng tại Anthropic, họ đang giao một phần ngày càng lớn của công việc phát triển AI cho chính các hệ thống AI — và việc này đang tăng tốc đáng kể.
Đi đủ xa và với đủ compute, xu hướng này hướng tới một hệ thống AI có khả năng tự thiết kế và phát triển phiên bản kế tiếp của chính nó. Đây gọi là recursive self-improvement (tự cải tiến đệ quy). Chúng ta chưa ở đó, và recursive self-improvement không phải điều tất yếu — nhưng nó có thể đến sớm hơn hầu hết các tổ chức chuẩn bị.
Dùng public benchmark và dữ liệu nội bộ chưa từng công bố, Anthropic Institute cho thấy AI đã đang tăng tốc phát triển các hệ thống AI khác. Một ví dụ: hôm nay, kỹ sư Anthropic trung bình ship gấp 8 lần lượng code mỗi quý so với giai đoạn 2021-2025.
Bằng chứng từ bên ngoài
Tốc độ AI cải thiện đang tăng. Độ dài task mà chúng có thể tự hoàn thành đáng tin cậy đang nhân đôi mỗi 4 tháng — nhanh hơn xu hướng cũ là nhân đôi mỗi 7 tháng.
- Tháng 3/2024: Claude Opus 3 hoàn thành các task software mất ~4 phút với con người.
- Một năm sau: Claude Sonnet 3.7 đảm nhận task mất ~1.5 giờ.
- Năm sau nữa: Claude Opus 4.6 đảm nhận task mất 12 giờ.
Nếu xu hướng giữ vững, các task mất nhiều ngày của một người có kỹ năng sẽ nằm trong tầm tay trong năm nay. Năm 2027, AI có thể đảm nhận task mất nhiều tuần.
Mẫu hình tương tự xuất hiện trên benchmark coding và research. SWE-bench (kiểm tra kỹ năng software engineering thực tế: đưa model một codebase open-source và bug report thật, yêu cầu viết code fix) đã đi từ điểm thấp một chữ số lên gần saturate chỉ trong hai năm.
CORE-Bench (kiểm tra khả năng tái tạo nghiên cứu — yêu cầu chạy lại code/data của paper đã publish và xác nhận kết quả) đi từ ~20% thành công năm 2024 lên saturate sau 15 tháng. METR ghi nhận Claude Mythos Preview có thể làm việc “tối thiểu” 16 giờ.
Bằng chứng từ trong Anthropic
Xây một frontier model gồm hai loại công việc lớn:
- Engineering: viết code, dựng hạ tầng, giám sát training.
- Research: chọn experiment để chạy, diễn giải kết quả, quyết định ý tưởng nào nên thử tiếp.
Tại cả hai lĩnh vực, bức tranh nhất quán: Claude có thể nhận một bài toán mơ hồ và tự tìm cách giải. Con người cung cấp mục tiêu, không cần cung cấp phương pháp. Khoảng cách lớn duy nhất còn lại là Claude phán đoán việc chọn mục tiêu nào quan trọng.
Claude viết phần lớn code của Anthropic
Tính đến tháng 5/2026, hơn 80% lượng code merged vào codebase của Anthropic do Claude viết. Trước khi Claude Code ra mắt research preview tháng 2/2025, con số này ở mức thấp một chữ số.
Lines of code merged mỗi engineer mỗi ngày giữ ổn định trong 4 năm đầu (2021-2024), tăng vọt năm 2025 khi Claude tự chạy code, và dốc lên thêm năm 2026 khi model làm việc tự động qua time horizon dài hơn. Trong Q2 2026, kỹ sư trung bình merge gấp 8 lần lượng code so với năm 2024.
Caveat: lines of code là thước đo không hoàn hảo — đo số lượng chứ không đo chất lượng. Vậy nên con số 8x gần như chắc chắn là overstate về productivity gain thật. Tuy nhiên, nó cho thấy sự tăng tốc.
Trong khảo sát 130 nhân viên research tháng 3/2026, mức trung vị cho rằng họ sản xuất gấp 4 lần output với Mythos Preview so với không có AI nào.
Code Claude viết là “tốt” và đang tốt lên
“Code tốt” nghĩa là: nó chạy, và viết theo cách kỹ sư khác có thể hiểu và build lên.
Trên tiêu chí thứ nhất, bằng chứng rõ: tỷ lệ Anthropic staff phải sửa, redirect hay take over giữa task của Claude đang giảm đều suốt một năm — kể cả trên task khó nhất, mơ hồ nhất. Tỷ lệ thành công của Claude trên task open-ended đạt 76% vào tháng 5/2026, tăng 50 percentage points trong 6 tháng.
Ví dụ: một upgrade thường làm crash hàng chục nghìn training jobs. Engineer chỉ Claude vào incident với vài text content và cluster access. Claude tự test từng env setting, isolate flag debug obscure gây crash, reproduce, và confirm fix — hoàn thành trong 2 giờ những gì thường mất 2-3 ngày.
Tiêu chí thứ hai (code dễ đọc, dễ build lên): khoảng cách giữa người và AI vẫn tồn tại nhưng đang thu hẹp nhanh. Nhiều staff Anthropic cho rằng code Claude viết kém hơn code người Anthropic viết cuối 2025, ngang bằng hôm nay, và kỳ vọng vượt qua trong năm.
Anthropic giờ dùng automated Claude reviewer cho mọi thay đổi vào codebase: tìm bug, lỗ hổng security, defect khác trước khi merge. Phân tích retrospective cho thấy Claude review sẽ bắt được khoảng 1/3 bug đã gây incident trên claude.ai trước khi chúng lên production.
Claude giỏi chạy experiment để đạt một mục tiêu đã đặt
Mỗi lần release model, Anthropic chạy cùng một test: đưa Claude code train một AI model nhỏ, yêu cầu làm code chạy nhanh nhất có thể trong khi vẫn pass correctness check.
- Tháng 5/2025 Claude Opus 4 đạt ~3x speedup so với code gốc.
- Tháng 4/2026 Claude Mythos Preview đạt ~52x.
- Để so sánh: một human researcher có kỹ năng cần 4-8 giờ để đạt 4x.
Trong phần research workflow này — optimize bước trong một experiment đã định nghĩa rõ — Claude đã đi từ “rất hữu ích” lên “siêu phàm” chỉ trong dưới một năm.
Claude đang tốt hơn ở việc tự đề xuất experiment
Tháng 4/2026, Anthropic công bố demo đầu tiên về Claude chạy một dự án research open-ended end-to-end. Agent do Claude vận hành nhận một bài toán mở trong AI safety (có thể model yếu giám sát đáng tin cậy một model mạnh hơn không?) và được để tự giải. Bao gồm: đề xuất hypothesis, test, share findings với parallel agent, iterate.
Task có “floor” và “ceiling” rõ. Hai human researcher trong khoảng một tuần recover ~23% gap; agent recover 97% trong 800 cumulative hours và dùng ~$18,000 compute.
Tương lai công việc tại Anthropic
Vai trò của con người đang thu hẹp ở mỗi bước. Một khi chất lượng code do người và AI viết ngang nhau, con người sẽ ngừng viết code và chỉ review. Nhưng nếu họ không review nhanh bằng Claude generate, human review sẽ thành bottleneck mới.
Lợi thế comparative của con người (ở hiện tại) là research taste và judgment: chọn vấn đề nào quan trọng, kết quả nào đáng tin, khi nào hướng tiếp cận là dead end.
Nếu chúng tôi sai thì sao?
Phản biện tự nhiên: phần còn lại trong tay người (chọn vấn đề nào để làm) mới là phần quan trọng nhất. Không có judgment đó, Claude là assistant giỏi nhưng không phải hệ thống tự driver AI progress.
Nhưng AI hiếm khi tiến lên bằng “eureka!”. Hầu hết tiến bộ là incremental: scale up cái gì đó, xem cái gì break, fix, thử lại. Đó chính là workflow Claude giỏi.
Ba kịch bản tương lai
-
Trend chững lại, nhưng năng lực AI hôm nay phủ rộng. Curve có thể là S-curve. “Research taste” có thể là năng lực không đến từ scaling. Ngay cả khi capability đóng băng ở mức hiện tại, một công ty 100 người có thể làm việc của 1.000 người. Anthropic không tin scenario này là khả năng cao nhất.
-
Phòng lab tiếp tục thấy efficiency compounding. AI development phần lớn được automate, nhưng người vẫn set direction và judge kết quả. Tổ chức trở nên hiệu quả gấp nhiều lần. Công ty 100 người làm việc của 10.000 hay 100.000. Bottleneck dịch chuyển — như Amdahl’s law: tăng tốc một phần process sẽ shift bottleneck sang phần khác. Anthropic đã thấy: code review thành bottleneck mới.
-
AI tự build phiên bản kế tiếp. Tốc độ phát triển AI được định bởi compute và efficiency của thuật toán training. Con người chuyển sang oversight, validation, verification. Hệ thống có khả năng tự research AI có thể chuyển skill sang science khác.
Chúng ta nên làm gì?
Nếu có thể slow down development một cách hiệu quả để có thêm thời gian, đó có lẽ là điều tốt. Nhưng nếu slowdown chỉ để actor cẩu thả bắt kịp về mặt công nghệ, ai cũng kém an toàn hơn.
Anthropic tin rằng nên có option để slow hay tạm pause frontier AI development. Anthropic Institute sẽ research các hệ thống cho phép xác nhận rằng các bên khác đã thật sự dừng/giảm tốc. Một pause có ý nghĩa cần multiple lab ở nhiều nước cùng đồng ý dừng với cùng điều kiện, và verifiability.
Đây là vấn đề khó: training run dễ giấu hơn missile silo, input là general-purpose, incentive defect rất lớn. Nhưng không phải bất khả thi — thế giới đã xây verification regime cho công nghệ phức tạp khác (ví dụ INF Treaty). Vấn đề là thời gian: đã không còn nhiều.
Trong vài tháng tới, Anthropic sẽ tổ chức conversation với policymaker, researcher, civil society và các công ty AI khác — và publish kết quả. Cửa sổ để cùng nhau investigate đang ở đây.
Bài gốc: Marina Favaro & Jack Clark (Anthropic Institute), 2026.