5 年前的機密文檔被洩露：Anthropic 的所有勝利，早在 2021 年就寫好了

一張五年前的研發清單，兌現如今 AI 行業大半成果。作者丨高允毅 編輯丨岑 峰 最近，一場版權官司意外曝光了 Anthropic 一份內部機密文件《Concise Research Roadmap》，這是 Anthropic 五年前的研究路線圖。這個文檔由 Anthropic 聯創 Jared Kaplan 撰寫，只有三四頁，卻出現了我們今天討論的Coding Agent、Tool Use、長上下文、RL、自動化反饋，甚至Agent的安全問題......這份文檔彙集了Anthropic “最強大腦”們密密麻麻的批註。

比如，Anthropic 聯合創始人Tom Brown 指出“倉庫瀏覽是簡單、高價值的切入點”，系統與可解釋性研究科學家 Nelson Elhage 則預判“自動查找項目裡的類型定義”會是極具用戶價值的功能。面對“最強編程助手”與“工具能力演示”的路線之爭，CEO Dario 當場定調：“短期先演示工具使用，長期打造最強編程助手。” 對齊科學家 Amanda Askell 則提出了更深層的擔憂：“如果只在自然語言領域做對齊，卻在代碼領域做能力研究，勢必產生脫節。”她強調，安全與能力在任何階段都必須緊密綁定。要知道，那一年 Anthropic 剛成立半年，全部融資僅 1.24 億美元。

那時距離 ChatGPT 引爆全球還有 16 個月，距離 Claude 1 發佈還有 20 個月。整個行業還在懷疑大模型是不是過渡產品。這群從 OpenAI 出走的人，已經一步步計劃著"實現極高 GPU 利用率""研究長上下文""工具使用的強化學習""對社會影響的評估框架"......之後的五年，他們兌現了路線圖上的每一個分支，更是交出了一份驚人的答卷。從Claude 1 到 Opus 5，從憲法 AI（Constitutional AI）到可解釋性，再到近期的 Computer Use、MCP 協議、Claude Code、混合推理，都能在 2021 年那條路線圖裡找到錨點。

012021 年的 Anthropic，究竟看清了什麼？2021年，ChatGPT 還未問世，整個行業都在摸索大模型落地方向。而 Anthropic 卻在內部文檔中明確寫出 AGI 的核心路徑，那就是做有長記憶能力的大型生成式模型，並通過結合自動化獎勵與人類反饋的強化學習（RL）完成微調。所有的研究項目，都是以這個中心做的探索實驗。他們認為，檢驗這套路線的第一個載體，就是“對話式軟件工程師助手”。它能通過對話完成軟件的創建、編輯與講解，能寫函數、找 Bug、設計 API，還能討論代碼風格與工程最佳實踐，最終達到一名軟件工程師同事的水準。這正是今天 Claude Code 的具體雛形。

Dario Amodei 為此定下兩步走的落地節奏：短期優先完成能力驗證，長期打磨深度生產力工具。團隊從打印調試、代碼倉庫瀏覽這類輕量化工具能力切入，再逐步拓展到代碼執行、自然語言文檔編輯等更復雜的工具能力。圍繞這個目標，他們把 “規模化” 放在了所有研究方向的最首位，從一開始就為萬億參數規模做準備。Jared Kaplan 是 Scaling Laws 理論的第一作者，他把這套認知從 OpenAI帶到了 Anthropic，早早就在思考如何訓練萬億（1T）乃至更大規模的模型。

除了超大參數模型本身，他們還討論如何拉高 GPU 利用率，提前適配 TPU、Trainium 等下一代硬件；怎麼把塊稀疏注意力這類複雜工程封裝起來，讓非專業人員也能輕鬆配置超參數；怎麼給大模型權重這類核心資產搭好安全防護體系。Anthropic 還非常重視預訓練與數據。他們從一開始就打算訓出行業性能最優的語言 + 代碼雙料基座模型，給後面所有的微調、功能探索、能力迭代當好底子。他們早早開始搭建全鏈路高質量數據集，不僅有自然語言和代碼，還覆蓋了 Diff（版本差異）、PR（拉取請求）、調試記錄以及代碼運行的評估結果，完整覆蓋軟件開發的全流程數據。

數據質量上他們也摳得極細，從數據過濾、遷移、微調到多樣性優化，全套流程挨個打磨，這樣打好數據底子，後面在更高級的強化學習環境裡做對比實驗、能力迭代，才不會走偏。同時，他們提前攻堅支撐萬億參數甚至更大規模的機器學習底層技術，同步探索超長上下文能力，或是研究能封裝海量記憶與經驗的等效外掛方案。能力與對齊同步推進，是 Anthropic 在文檔中提出的另一大特色。

Amanda Askell 在文檔評論中提前預判了代碼能力與對齊研究脫節的風險，一方面代碼能力持續增強，卻缺少對應的對齊約束；另一方面對齊研究依賴的模型能力不足，也會限制測試的深度和成果的實用價值，長期下來，對齊研究就會變成與能力發展脫節的 “信息孤島”。因此，她要求各領域的能力研究與對齊研究應當按比例同步推進，安全不能等模型能力成熟後再補上。圍繞這條原則，Anthropic 規劃了一套具體的研究方向。他們用人類反饋訓練模型，不止讓模型會答題，更要能主動提供幫助、根據反饋調整行為、在用戶意圖模糊時主動澄清問題。團隊系統梳理對齊失效的場景，按難度分類歸因，專門研究對齊效果隨模型規模的變化規律。

連指導訓練的獎勵模型本身也被反覆校驗：在合規人類反饋數據、Stack Exchange 等靜態數據集、GAN 對抗生成數據上交叉驗證，確保獎勵信號真正貼合人類意圖，在不同數據源下都足夠可靠。最終這些實驗都會沉澱成通用方法論， 人類反饋怎麼用效率最高、不同對齊目標需要多少數據與資源投入，全部量化落地。這也是為什麼 Claude 能率先打入金融、醫療、法律等高合規行業。Anthropic 還在持續投入 “可解釋性” 的長期探索。Anthropic 想弄清楚模型內部究竟發生了什麼，為此，可解釋性領域的代表學者 Christopher Olah，專門拆解大模型的神經元、注意力頭與內部功能迴路。

Olah 還提出，要把數據、工具方向的研究和可解釋性工作結合在一起。他們希望從底層機理搞清楚：算術推理、多輪對話、代碼生成，究竟如何在神經網絡內部實現。他們把RL for Tool Use列成了一項重要研究方向。研究的核心是讓大語言模型學會使用工具，理解環境和目標，並通過強化學習不斷改進。當時，他們已經把信息檢索、打印調試（printf debugging）等任務列入研究計劃。這些任務既有實際價值，也能用來檢驗：模型接入工具後，能否突破單純生成文本的能力邊界？相比監督學習，通過工具交互和強化學習來訓練，能否獲得更好的縮放效果和更高的算力效率？Dario Amodei 的視野並不侷限於代碼場景。

他還提出，自然語言編輯器同樣值得探索，比如讓模型在類似 Google Docs 的環境裡修改文檔，既能產出高價值的安全研究成果，也具備廣闊的應用場景，而支撐這兩類編輯器的工具與底層基礎設施，很多都是通用的。他們真正想驗證的是：模型能否從 “生成答案”，走向 “藉助工具完成複雜任務”。如果這條路線成立，能力邊界就能從軟件開發延伸到更多知識工作場景。而安全考量始終貫穿在所有研究方向裡。這群科學家從第一天起就帶著一股極客的理想主義。Sam McCandlish 在當時就拋出了靈魂拷問：“怎麼安全地部署非沙箱化工具？”Dario 更是預警：部署階段可直接執行代碼的工具風險極高。

如今回看 Agent 賽道天天熱議的沙箱隔離、權限攔截，全在他們當年的推演之中。不僅如此，他們還想把公司打造成 AI 倫理研究的“山巔之城”，拉上學術界、政府一起做獨立評測，用最高標準的安全框架為全行業樹立規範。最終這一切共同構成了 Anthropic 全棧閉環的研究版圖：從底層算力工程（GPU/TPU 適配、訓練效率）、模型基座（預訓練、數據工程、長上下文）、核心能力（工具調用、代碼生成），到安全體系（對齊、可解釋性、權重安全），再到社會治理（第三方評估、行業生態），形成了一套完整且沒有明顯短板的 AGI 研發閉環。02這五年，Anthropic 都做了什麼不少網友看完這些討論，直接稱神。

“原來我們現在搶著做的Agent，是人家的代辦清單。”還有網友表示，對於前沿研究員來說，有這樣的見識或許不算稀奇，不少已經成為共識。但真正能把這些研究路線做出來不跑偏，才是真的了不起。五年後的今天，Claude 已經能一次處理 1M token 的長文本，還進化出了專門適配工程場景的記憶優化方法，大模型已經迭代到了 Opus 5.5。在安全調校這條線上，也從最早靠人工標註反饋的訓練方式，進化到 “AI 監督 AI” 的憲法式訓練，再到如今的混合方案。當年文檔中的那些研究路線，變成了Anthropic每一個轉折點的戰略方向。

2022年，Anthropic 率先在最核心的 “對齊” 賽道，拿出了顛覆行業認知的方法論。2022 年底，ChatGPT 憑藉 RLHF（人類反饋強化學習）一夜爆火，把大模型帶進了大眾視野。但這套方法的痛點也很明顯：要僱大量人做標註，成本高、難規模化，還容易把標註人的個人偏好帶進去。就在 ChatGPT 發佈半個月後，Anthropic 發表論文提出 “憲法 AI” 思路：先給模型定一套行為原則，再讓一個模型去評判、修改另一個模型的回答，反覆迭代之後，模型就能做到既有用又不越界。

對內，它解決了安全調校跟不上模型能力增長的問題，剛好回應了團隊早期 “能力和安全要同步推進” 的擔憂；對外，它定義了 Claude 系列鮮明的產品特質，禮貌、剋制、不主動越界，和同時代 GPT 模型形成了極強的辨識度。搞定了訓練方法，Anthropic 開始把模型做大、做長，2023 年在產品和算力兩條線上同時破局。這年 3 月，第一代 Claude 正式對外合作，主打長文本處理和安全屬性，用過的人普遍覺得它比同期的 GPT-3.5 “禮貌得多”。這是 Anthropic 第一次拿出面向市場的實體產品。

5 月，Anthropic 把 Claude 的上下文窗口從 9K 一口氣擴到 100K token，相當於 7.5 萬英文單詞；兩個月後的 Claude 2 公測延續了這一能力。作為對比，當時主流的 GPT-4 僅能支持最高 32K（約 3 萬多 Token）的上下文，而 Anthropic 自家的上一代模型更是隻有不到 10K 的容量。這一跨越式的長文本能力，讓一次性讀懂整本書或整個代碼庫成為了現實。安全體系也在同步落地。9 月，Anthropic 發佈首版《負責任的縮放政策》（RSP），給模型的潛在風險劃分等級，能力越高，安全管控就越嚴，這是行業裡第一套成體系的動態安全機制。

到 2023 年 10 月，Google 領投的一輪讓 Anthropic 估值站上 184 億美元。全球大模型行業告別了早期的 “一超多強”，開始隱隱顯現出兩家頂尖獨立實驗室雙雄並立的雛形。這一年全球 AI 圈也風起雲湧，GPT-4 發佈樹立新的能力標杆，OpenAI 成立專門團隊押注長期安全，馬斯克創辦 xAI，谷歌整合 DeepMind 推出 Gemini。國內則開啟 “百模大戰”，百度、阿里等大廠的大模型集中亮相，智譜、月之暗面、深度求索等創業公司也開啟密集融資。2024 年是 Anthropic 的爆發年，在各個方向都拿出了代表作。

3 月，Claude 3 系列一次性推出三款產品，覆蓋旗艦、均衡、輕量三大場景，並補齊了多模態能力。其中旗艦模型 Opus 默認支持 100K 的處理長度，在長文本評測中表現出極高的準確率，首次反超 GPT-4，將長上下文技術轉化為紮實的產品競爭力。隨後在 6 月登場的 Claude 3.5 Sonnet 模型能力迎來大幅提升，在多項核心指標上追平 GPT-4o；到 10 月推出升級版時，該模型在代碼評測集 SWE-bench Verified 上超過了當時所有閉源競爭對手，讓 Anthropic 在軟件工程與智能體開發市場中取得了明顯的競爭優勢。

真正讓 Anthropic 拉開身位的，是 2024 年 5 月掀起的那場可解釋性熱潮。2021年，“可解釋性” 和 “工具使用強化學習” 還聽起來都過於學院派，遠不如堆參數、刷榜單來得實在。2024 年 5 月，Anthropic 團隊利用稀疏自編碼器（SAE）成功對 Claude Sonnet 內部的數百萬個特徵進行了“內部掃描”，從模型裡提取了3400萬個特徵，還定位到了 “金門大橋”“程序漏洞” 這些具體概念對應的內部迴路。為了證明不是紙上談兵，他們還做了個實驗：手動激活 “金門大橋” 對應的特徵，讓模型不管回答什麼問題都繞不開金門大橋。

這是人類第一次在商用級大模型上，做到對內部機制的精準解釋和操控。這意味著 AI 安全研究從此不用再 “開盲盒”。而同期 OpenAI 也在做相關研究，卻一直沒公開具體進展；國內學術界有跟蹤，但幾乎沒有產品級驗證。這條賽道上，2024 年的 Anthropic 幾乎一騎絕塵。10 月，新版 Claude 上線 “電腦操作” 功能，模型能像人一樣看屏幕、點鼠標、敲鍵盤，自主操作桌面軟件。才過一個月，Anthropic 又開源了 MCP 協議，把模型和各種工具、數據之間的連接方式統一了，相當於 AI 應用的 “通用接口”。

這掀起了 MCP 熱潮，2025 年第一季度，OpenAI、谷歌先後宣佈支持 MCP，國內阿里、騰訊、百度、支付寶也在四個月裡密集上線相關服務。從各家自己做工具接口，到統一用 MCP，行業半年內就完成了站隊。這是 Anthropic 第一次不是在模型能力上，而是在基礎設施層上讓對手跟進。2024 年，Anthropic 估值從年初的 184 億漲到年底的約 410 億。估值飛漲的背後，是產品開始真正跑通收入，當時 Claude 的年營收已經突破 10 億美元。2025 年，Anthropic 把重心放到了智能體上，主戰場選在了軟件開發。2 月 24 日，Claude 3.

7 和 Claude Code 一起發佈。前者能切換 “快答” 和 “深度思考” 兩種模式的模型，用戶可以自己控制思考程度；後者則是專門的編程助手，能自己翻遍整個代碼庫、查類型定義、調 bug、提交代碼、跑測試。這一刻，2021 年文檔裡的所有討論都成了現實：從 “倉庫瀏覽是個好切入點”，到 “先演示能力、再做生產力工具” 的節奏，全部分毫不差落地。大模型不再只是聊天工具，成了真能在電腦前幹活的 “ AI 同事”。5 月發佈的 Claude 4 系列，又把長時間連續工作的能力提上新高度。旗艦版能連續幾小時執行編程任務，在多項編程測試裡都拿了第一。到 9 月的 4.

5 版本，編程和智能體能力再上臺階，AI 能力達到初級工程師的水平。同期，面向辦公場景的產品也陸續推出，Anthropic 的生產力工具從程序員群體拓展到普通白領。到了 9 月，Anthropic 完成新一輪融資，估值衝到 1830 億美元左右。進入 2026 年，競爭到了更深的層面。從 5 月到 10 月，Anthropic 密集更新 5.5 代全系列模型，從旗艦到輕量依次推出，多模態、深度思考、智能體三項能力同步成熟。產品不再追求單點能力爆發，而是轉向 “產品級可用性” 的全面打磨生態話語權也越來越重。

MCP 已經成了全球 AI 工具的事實標準，從模型廠商到應用開發商都在接入，Anthropic 真正從 “做產品的” 變成了 “定規矩的”。而安全框架、第三方安全測試、行業前沿論壇這些持續推進的動作，也在一步步兌現當年 “打造機器學習山巔之城” 的願景如今全球 AI 行業，已經形成 OpenAI、谷歌、Anthropic 三家領跑的穩定格局。五年間行業風口換了一輪又一輪，無數公司追著熱點調轉方向，而 Anthropic 始終沿著當年畫下的線穩步推進。很多人說 Anthropic 是踩中了時代運氣，但這份洩露的文檔證明，他們如今的成果，本質上都是早有預謀的技術兌現。

在行業摸黑趕路的時候，有人早已看清了地圖，然後一步步走到了終點。參考鏈接：https://i.smitop.com/concise-research-roadmap.pdf上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。