Claude内部データ、AI研究の52倍高速化が自己改善リスクを現実の論点へ

AI開発のループにClaudeが深く入った

フロンティアモデル競争の焦点は、モデルサイズだけではない。次のモデルを作る作業そのものを、AIがどこまで担うかが重要になっている。Anthropicは6月4日の投稿で、ClaudeがAI開発を加速しており、それが“possible path to recursive self-improvement”になり得ると述べた。投稿の原文はXで読める。

リンク先のAnthropic Instituteの記事は、社内データをかなり具体的に示している。2026年5月時点でAnthropicのコードベースにマージされたコードの80%以上はClaudeが書いたものだという。さらに2026年第2四半期のエンジニア1人あたりマージ行数は、2024年比で約8倍に増えた。行数は品質をそのまま表す指標ではないが、実装、テスト、レビューの流れがAI中心に再編されていることを示す材料になる。

最も強い数字は、小さなAIモデルを訓練するコードを高速化する反復課題だ。熟練した人間研究者が4〜8時間で4倍高速化に到達する課題で、Claude Opus 4は約3倍、2026年4月のMythos Previewは約52倍を記録した。研究セッションで次に何をすべきかを選ぶ評価でも、Mythos Previewは人間の選択より良い判断を64%のケースで示したという。

ただし、AnthropicはClaudeが研究テーマそのものを自律的に選べる段階だとは言っていない。実験と実装が安くなるほど、ボトルネックは目標設定、安全性評価、人間レビューへ移る。次に見るべきなのは、モデルが作業を速くこなすだけでなく、どの研究を進めるべきかを選べるかどうかだ。