Anthropic 分析 20 万次科研会话:科学家用 Claude 最多的是分析数据和写论文,他们最看重的提想法反而用得最少
Anthropic 11 月 4 日发布研究报告,统计了 2026 年 8 月 2 日到 9 月 30 日约 20.7 万次科研相关的 Claude 会话,看科学家拿 AI 干什么,以及 AI 能让科研快多少。
先说结论:
• 分析数据是第一大用途,占 Claude 科研会话的三分之一,Claude Code 的近一半
• 科学家认为最重要的两件事,提出想法和收集数据,用 AI 最少
• 现有 AI 能力如果普及开来,部分领域科研产出最多翻一倍;要是 AI 能包揽所有不用动手的工作,计算机、统计能快约 15 倍,化学、生物只能快 3 到 4 倍,因为实验还得有人在实验室做
【数据怎么来的】
样本来自个人订阅用户,聊天和 Cowork 里 12.9 万次,Claude Code 里 7.8 万次。研究团队让模型给每段会话打上“化学”“数据清洗”这类标签,研究内容本身不保存。
【用在哪:分析和写作多,想点子少】
报告拿每类工作的 AI 用量,和科学家花在这类工作上的时间对比。
分析数据占科研时间约 28%,在 Claude 上占 33.7%,在 Claude Code 上占 48.1%。写作和沟通只占科研时间 16%,在 Claude 上占 32%,单项最多的任务是起草论文。
收集数据占科研时间 28.6%,在 Claude 上只占约 12%,临床样本、生化数据这类要动手采集的尤其少。提出想法和假设占科研时间 7.1%,在 Claude 上占 4.2%,Claude Code 上只有 2.1%。
Anthropic 还调查了 528 位科学家,请他们给四类工作的重要性分配 100 分。提想法拿 35.6 分排第一,收集数据 23.6 分排第二。
报告的解释是:收集数据大多要动手;提想法,科学家可能更愿意自己来,AI 在挑研究问题上也可能确实更弱。
【AI 越擅长的活,用得越多】
研究团队给 7000 多项科研任务各打了一个“AI 能力分”:把任务拆成步骤,让模型两两比较哪一步 AI 做得更好,再用类似国际象棋等级分的办法算出排名。
然后算“使用倍数”:一项任务在 Claude 会话里的占比,除以它在科研时间里的占比。一项任务占科研时间 5%、占会话 10%,倍数就是 2,说明 AI 用量是按时间推算的两倍。
能力分排前 20% 的任务,比如画数据图、做统计检验,Claude 上的使用倍数约 2,Claude Code 上约 4。排后 20% 的任务,比如提纯化学反应产物、实地观察研究对象,几乎没人用 AI。
能力分高的任务有共同点:对错容易判断,能在电脑里大量模拟,反馈来得快。这正是最适合用强化学习训练 AI 的任务,两者的相关系数是 0.78。科学家在 AI 好用的地方用 AI。
【Claude Science:专门做科研的版本】
Claude Science 是 Anthropic 面向科研的产品,把 Claude 接上各种科研数据库和工具,比如查一个蛋白的结构、测过哪些药、有哪些相关试验,不用再一个个库分开查。付费用户都能用。
它的会话一半以上来自生物医学和生物学。在这里,提出想法和假设占会话的 8%,约是普通 Claude 的两倍,和科学家实际花在这件事上的时间差不多。
任务也更重。在生物和生物医学领域,Claude Science 上的活如果人自己干平均要 10.3 小时,普通 Claude 上是 4.9 小时;73% 的会话由 AI 高度自主完成,普通 Claude 只有 24%。
【科研能快多少】
报告估算了三种情况下,同样的科研经费能多出多少成果。
第一种,现有 AI 能力被广泛用起来:AI 能接手 27% 到 52% 的科研时间,产出提升从艺术领域的 1.35 倍到统计学的 2.02 倍,计算机 1.96 倍。现在的 AI 多是帮忙或一起干,几乎每一步人都还得花不少时间,所以提升有限。
第二、三种是 AI 包揽 75% 或全部不用动手的步骤。包揽全部时,统计、计算机、经济、数学、心理学,以及大部分社科和人文领域,都能到 15 到 16 倍。生物、化学、材料这些做实验的学科只有 3 到 4 倍:约 40% 的科研时间花在动手的步骤上,没有自动化实验室,这部分省不掉。
16 倍左右是成本定下的上限。报告假设研究员每小时 95 美元,AI 每小时 30 美元,每替研究员省 1 小时 AI 要跑 0.2 小时,算下来 AI 干同样的活只花人工的约十六分之一。AI 成本减半,上限就翻倍。
【科学家自己怎么看】
528 位受访者里,38% 认为 AI 分析数据已经达到本领域顶尖研究者的水平。约 40% 预计 2030 年前 AI 能不靠人独立完成一个完整的研究项目,2035 年前这个比例约 64%,也有 16% 认为永远不会。
受访者大多是美国和加拿大生命、健康科学领域的研究者,申请过 Anthropic 的科研资助,用 AI 比一般科学家多。三种加速情况是假设推算,报告说明它们不是预测。Claude Science 的任务更重,也可能因为用它的人本来需求就更专业。
原文:
顯示更多
给 qodercli 加了「跨会话消息功能」
1\ 这是我来 qodercli 以来加的最重的功能,总耗时一天左右。
2\ 我有个 loop 会在 claude code 发新版时自动拉 changelog 和代码,分析每一项新功能的实现。8.7 深夜,针对 claude code 2.1.224,生成了十三份分析文档。其中一份有一千零一十一行,讲一个新功能,同一台机器上的两个会话可以互相发现、互相发消息。一个会话干完活,可以直接叫另一个会话接着干,不用人在两个终端之间复制粘贴。
3\ 8.8 早上闲着没事刷推,发现 claude code 在宣传这个功能,就留意了下,然后拿着分析文档让 agent 照着给 qodercli 也加一份。指令是「i want to impl to qodercli, full feature」,用我的 one-shot skill 实施。2 个小时后 mvp 完成了,47 个文件,5513 行,152 个新测试。发群里大家觉得还不错。
4\ 8.9 歇了一天,8.10 PD 催了,于是下午开始补细节。细节太多,补了 20 来个 commit 到晚上才补完。然后开始用 claude code 和 codex 等,用不同的模型做交叉 review。合计 40 多条 review 建议,然后慢慢 fix,直到 8.11 上午才最终完成。
5\ 8.11 上午推分支找同事 review,基本上没啥新增问题了,只处理了一个。同时让 agent 写了份 1722 行的测试手册给测试同学,46 个用例,功能细节还是很多的。
6\ 8.11 晚,随 v1.1.19 版上线。
顯示更多
Codex/Claude Code 现在都支持跨session访问会话了,还是挺方便的,比如我昨天在测试我的 App 在 Windows 的运行情况,先在某个测试 Project 中调用 BaoCut Skill 去做转录视频,发现第一次运行时下载模型体验很糟糕。
然后我到 BaoCut 所在源代码项目中,把会话的 Session Id 给它,让它去分析原因并给出优化方案,这样就不需要你自己去让 Agent 自己总结,也不用担心总结的时候会损失上下文,Agent 自己可以去会话中找所需的上下文。
顯示更多
Anthropic 这篇最新的 Claude Code 研究很值得看。
他们分析了约 40 万个真实 Claude Code 会话,最后发现一个很有意思的趋势:AI coding 真正拉开的差距,可能已经不只是「谁更会写代码」,而是「谁更懂自己要解决的问题」。
典型会话里,人类主要负责决定做什么,Claude 负责决定怎么做。
人类做大约 70% 的规划决策,Claude 做大约 80% 的执行决策。
更关键的是,越懂业务、越懂领域的人,越能让 Claude 一次指令做更多事。新手一次 prompt 可能只让 Claude 跑 5 个动作;专家一次 prompt 可以触发 12 个动作,输出也多很多。
这说明 Claude Code 没有让专业能力失效,反而把专业能力放大了。
以前你要亲自写代码,才能把想法变成工具。
现在更像是:只要你足够理解问题、约束和验收标准,AI 就能帮你跨过很多实现细节。
所以未来真正有价值的是能清楚定义问题、拆解任务、判断结果、修正方向的人。
AI 会越来越会执行。
但知道该让它执行什么,依然是人的价值。
顯示更多
Coding Agent 最常见的成本,不是把代码写崩,而是让人不断纠偏。
一项分析 20,574 个真实 Coding Agent 会话的研究发现:90.5% 的可见失配没有造成不可逆损坏,但 91.49% 的解决过程仍需要用户明确纠正。
所以评测 Coding Agent,除了成功率,还得看两个地方:人工打断次数、返工分钟数。 这两项更接近真正的使用成本。
顯示更多
本来我今天能把 Codex Pro 20x 的额度跑完的,但是今天下午开始,我的 Agent 里面的一个长会话越跑越慢,我一度以为 OpenAI 服务卡了。
后面我观察到 Agent 的 CPU 占用 100%,就打开 Codex 让它分析了一下,结果发现有个早就埋下的坑,以前不会触发,但早上有个变更后,导致某个操作的算法复杂度到了 O(n2),于是会话越长越慢…
幸好发现了,差点 Vibe Coding 出一个低性能的玩意。
顯示更多
Cloudflare 推出 Precursor 判断人机的方式变了🤡
不再依赖传统 CAPTCHA 或单次验证,而是在浏览器内持续分析整个访问会话,通过鼠标、键盘节奏和页面交互等行为信号判断访客是真人还是自动化程序
但是Precursor 只记录聚合行为模式,不记录具体按键内容
顯示更多
把最近三个月,我与Codex的vibe coding所有对话日志,通过GPT 5.6 Sol进行了一次系统性的统计和分析
基于7047次要求以及820次有效会话的记录,形成了一版vibe coding方法论
一共28页PPT
抽象能力还挺牛的,整体质量不错
比如:
1、Vibe Coding 的核心:持续把感觉翻译成可验证标准
2、产物驱动的产品闭环:每一次反馈都要落到某个对象
3、方法一旦重复,就把它沉淀为可复用资产
4、VIBE LOOP,七步构成一条持续返回现实的产品飞轮
5、开始 Vibe Coding 前,先想清楚这 6个事:用户与场景、价值主张、首个真实产物、边界与排除、完成证据、下一轮反馈
PPT已上传,支持下载,欢迎浏览:
顯示更多
最近从 ChatGPT 完全切换到了 Grok Bot,两者的体验差异很微妙,我尝试从「产品原子」的视角来分析下。
先给「产品原子」做个定义:产品原子是用户在这个产品里创建、命名、分享、归档、删除的最小单位。
用这个视角看 Agent,大致可以分成三类:
1. 以对话为原子(session):主界面像一条按时间倒排的聊天流水,新对话不断把旧的往下推,几周前聊过的事要靠搜索才找得回来。
2. 以项目为原子(project):主界面像一个文件柜,每个抽屉装着一个项目的资料、说明和一叠对话,先拉开抽屉,再在里面接着聊。
3. 以角色为原子(bot):主界面像一张组织架构图,每一个是有职责、有记忆的角色,和它相关的事都在同一个会话里接着聊。
产品对「原子」的不同定义,带来体验上的一系列变化,我觉得最值得关注的是「连续性」:
用 ChatGPT 时,从一个对话走到下一个对话,中间唯一不断的是我自己。我就是最大的「记忆池」。
用 Project 时,资料和指令可以写入文档,让渡了一部分记忆出去。
用 Bot 时,连续性沉淀到了一个个 Bot 身上。
(虽然每类产品,都有 Memory 功能,但同样一个词,在不同的「原子」产品中的作用差异还是蛮大的。)
关于以角色为原子的产品,如何「切分」各个 bot 的职责边界,是个很关键的课题,可以参照 Simon 在论文《The Architecture of Complexity》中提出的近可分解性(near-decomposability):层内交互强,层间交互弱。
顯示更多
吴说获悉,SlowMist 发布安全警报称,至少自 2025 年 5 月活跃的巴西银行木马行动 REF9334,其 KREMLIN 恶意软件生态使用多阶段加载器和恶意浏览器扩展窃取凭证、会话令牌及敏感数据,并可绕过 Chromium 完整性机制,在未经用户许可的情况下安装 Chrome 和 Edge 扩展。该行动还利用以太坊智能合约作为“死信解析器”,动态更新 C2 端点及载荷托管位置。分析人员发现,设置网络 Canary 域名后共有 1,515 台受感染主机回连,其中 98.75% 位于巴西。
顯示更多