Anthropic让16个AI代理从头开始构建一个C编译器。100k行，能够编译Linux内核，花费$20k，耗时2周。 为了更好地理解，GCC花费了数千名工程师37年才构建完成。（虽然是从1987年开始的）但一位研究人员和16个AI代理刚刚构建了一个编译器，能够通过99%的GCC自身的折磨测试套件，编译FFmpeg、Redis、PostgreSQL、QEMU，并运行Doom。 他们说他们“（大部分）走开了。”但这个“主要”承担了很大的责任。 没有人类编写代码，但研究人员不断重新设计测试，构建CI管道，当代理们破坏彼此的工作时，并在所有16个代理都卡在同一个错误时创造解决方法。 人类的角色并没有消失。它从编写代码转变为工程环境，让AI编写代码。 我不知道你怎么能说明AI正在碰壁。

METR 最新的评估显示，GPT-5.2（高）达到了 "50% 时间范围" 的 6.6 小时。 对于那些不知道的人，他们的方法论通过计时人类专家完成 AI 现在可以成功完成一半时间的任务所需的时间来衡量自主能力。 我与 OpenAI 讨论过 "轻起飞"，这进一步证明了这一点。这一轨迹是轻起飞的定义——平稳但真实的指数加速。能力翻倍的时间从 212 天缩短到仅 128 天。 这个 6.6 小时的记录是使用 "高" 推理努力设定的，而不是更强大的 "XHigh" 设置。随着 GPT-5.2 已经以 25% 的优势击败 Claude 4.5 Opus（5.3 小时），"XHigh" 版本可能将时间范围推向 10+ 小时。这证明了 OpenAI 正在成功扩展推理计算。而这甚至还不是 5.3！

祝庆祝的人们快乐的五首诗日