Claude 训练 Claude：4 美元碾压 150 美元

Anthropic 让 Claude 训练 Claude：4 美元/小时 vs 150 美元/小时，85% vs 20% 安全差距，2.4% 作弊监控。AI 改进 AI 的成本曲线被彻底改写，但作弊翻车也暴露了自进化系统的尺子难题。

4 美元一小时的 Claude，干翻了 150 美元一小时的人类研究员

Anthropic 把 Claude 送进了实验室。

2026 年 8 月 28 日，他们发布了一篇题为《Automated Alignment Researchers Effectively Mitigate Alignment Failures》的论文。论文里，Claude 自己查论文、提方案、造数据、训练模型，攻克了 10 类 AI 安全问题（来源：https://www.anthropic.com/research/automated-researchers-mitigate-alignment-failures）。

最有杀伤力的对比是这样一组数字：

Claude 每小时 4 美元，人类研究员每小时 150 美元。Claude 弥合了 85% 的安全差距，人类平均只弥合 20%（来源：Anthropic 论文）。

这场对决，不在围棋盘上，也不在代码竞赛里，而在 AI 研究最硬核的一块——AI 安全。

Anthropic 基于 Claude Opus 4.8 搭了一个叫 AAR（Automated Alignment Researcher）的系统。流程很像一个被压缩进 6 小时的研究员：

一轮训练只跑 30 分钟。一次完整实验通常 6 小时内出结果，比人类研究员"8 小时只允许提交一次方案"快得多，也狠得多。

最戏剧性的发生在"欺骗"这道题上。Claude 一口气提交了 150 多次方案，单次实验中最佳方案弥合了 82% 的安全差距，综合多次运行平均成绩 85%。同一道题交给 28 名经验丰富的人类研究员，平均只弥合 20%（来源：Anthropic 论文）。

这还是在一个明确对人类有利的赛制下：人类可以在 8 小时内自由阅读资料、设计方案；Claude 只是因为能"一边训练一边看反馈"，就把差距拉开到这个量级。

比"赢"更重要的是"便宜得多"。一次 AAR 运行的 API 推理成本大约每小时 4 美元，人类时薪 150 美元。Anthropic 给出的复利推算很简单——AAR 可以连续工作、可以一次复制几十份并行跑实验，人类需要睡觉、一次只能推一个方向。

这笔账怎么算，答案都已经很明显了。

AAR 不只能改进开源小模型。

Anthropic 把难度直接拉高：让能力较弱的 Claude Sonnet 5，去训练尚未完成大部分生产级安全训练的 Claude Opus 4.8 早期版本。

60 小时内，Sonnet 5 测试了 50 多种方法，最终找到的方案弥合了 65% 的安全差距——接近正式版 Opus 4.8 的 72%（来源：Anthropic 论文）。

整套方案使用的训练数据只有 2000 多条，主要由简单模板和公开数据集构成。按照 Anthropic 的计算，在这组特定任务上，它的数据效率大约是生产级 safety pipeline 的 1.5 万倍。

这不等于 Anthropic 可以用 2000 条数据复制整套生产训练——正式模型要处理更多能力、更多风险和大量极端情况。但它已经证明了一个事实：

一个 Claude，已经可以自己查论文、设计方法、生成数据，再把训练结果写进另一个更强的 Claude。

人类划定范围，Claude 负责迭代。一个模型，开始参与制造下一个更安全、更强大的模型。