10 月 8 日，Nathan Benaich 与 Air Street Capital 发布了第九份《State of AI Report》。244 页，按研究、产业、政策与安全四条线，回看 AI 过去一年的变化，最后给出下一年的预测。
今年研究篇里，RSI（Recursive Self-Improvement，递归自我改进）是重头戏。它的目标是让 AI 参与研发更强的 AI，再由更强的 AI 推进下一轮研发。
State of AI Report 2026
报告总览中的研究与产业要点
研究：从模型成绩，到 AI 参与研发
模型榜单先把这一年的位置摆出来。报告截点的 Artificial Analysis 智能指数中，Claude Opus 5.5 得到 58 分，GPT-6 Astra 与 Gemini 4 Argon 都是 53 分；Arena 用户投票榜则由 Gemini 4 Argon 领跑。两张榜衡量的内容不同。
报告截点：Artificial Analysis 智能指数
报告截点：Arena 用户投票榜
中国开放模型在研究里的存在感更强了。 Zeta Alpha 分析 arXiv AI 论文对 21 个模型家族的提及：中国开放权重家族的份额从 2024 年的 9% 升到 2026 年迄今的 31%，美国开放权重家族从 31% 降到 23%，Qwen 的提及份额也超过了 Llama。这组数字统计的是论文提及。
论文中的模型家族提及份额：Qwen 超过 Llama
不少熟悉的考试已经接近满分。Epoch 跟踪的最佳成绩里，AIME 达到 100%，GPQA 达到 95.8%；ARC-AGI-2 从去年 10 月的 18.3%，升到了今年 9 月的 95%。
多项基准在一年内接近满分
到了需要真正执行任务的 Agent，模型周围的工具、上下文和执行流程——harness——也会改变结果。固定 Haiku 4.5，Meta-Harness 在 TerminalBench-2 上得到 37.6%，Claude Code 为 27.5%。模型没换，工作流程不同。
固定模型时 不同 harness 的 TerminalBench-2 成绩
AI 研发 AI，是今年研究篇集中展开的一条线。 Karpathy 的 autoresearch 让 Agent 修改训练代码，跑五分钟训练，读取验证结果，保留改进或回退，然后继续。项目估算，一块 GPU 一晚约能做 100 次实验；下图的实际示例有 83 次尝试，15 次改进被保留。负责实验的 Agent 使用已有模型，重新训练的是小模型。
autoresearch 示例轨迹：83 次实验保留 15 次改进
Darwin Gödel Machine 让 Agent 改自己的提示词、工具和流程；Hyperagents 更进一步，连“怎样进行这些改写”的程序也允许修改。下图展示两种循环。修改对象仍是模型周围的程序，能否因此让后续研发持续加速，还没有得到证明。
DGM 与 Hyperagents 的改进循环
这些想法也进入了模型实验室。Anthropic 的内部指数中，AI 主导的模型研发工作占比，从 2 月的不足 1% 升到 8 月的 26%：人给高层任务，Claude 完成大部分流程，人保留监督。被测工作还没有完全自主的一类。
Claude 主导的研发工作占比升到 26%
OpenAI 的内部记录则显示，Agent 能处理的人类预估工作量在变长。1 月，对人类预计需做 4—8 小时的任务，零人工介入成功率约为 18%；到 7 月，同样约 18% 的成功率，对应的任务已经是人类预计需做 32—64 小时。图中时间是人类工作量估计。
OpenAI 内部研究：相同成功率对应的任务长度上移
选下一步研究方向也有了评估。Anthropic 回看 129 段内部 Claude Code 研究会话，让模型在关键位置提出替代方案。知道最终研究发现的评判模型，将 Mythos Preview 的建议在 64% 的样本中判为更好。这是回溯比较，衡量的是研究判断。
研究方向回溯比较的模型结果
交互不再非得一问一答。 Thinking Machines 预览的连续交互模型，以约 200 毫秒的微轮次同时处理文本、音频和视频，把打断、重叠发言和沉默纳入交互过程，后台还可以接一个负责推理的模型。
连续交互模型的约 200 毫秒微轮次
机器人也在尝试从视频里理解任务。Skild S1 在陌生任务上只接收视频提示，不另做微调。预训练从 1000 小时扩大到 10 万小时后，公司报告的逐步骤累积成功指标从接近零升到 66%；同数据、同算力的语言提示 VLA 基线为 9%。
Skild S1 陌生任务表现与预训练规模
数学部分记录了一项与黎曼猜想相关的成果：无需假设黎曼猜想成立，Claude 将“落在临界线上、且是单零点”的非平凡零点比例下界，从 41.67% 推到 67.25%。这是一个已证明下界的推进。
与黎曼猜想相关的已证明下界
产业：用户扩大，收入和算力一起长
Codex 的增长图里，非开发者群体尤其醒目。从 2025 年 8 月到 2026 年 6 月，个人非开发者的 28 日活跃用户量增长到初始基线的 137 倍，开发者为 61 倍；组织用户中的对应倍数是 189 倍和 85 倍。各群体按自己的初始值归一化，图里展示的是增长速度。
Codex 开发者与非开发者的相对用户增长
OpenAI 与 Anthropic 的合计年化收入运行率，到夏末约为 1050 亿美元，年初约为 300 亿美元。这是按当时收入速度年化，两家公司的会计口径也有差异。
OpenAI 与 Anthropic 合计年化收入运行率
使用成本则要看一项任务实际消耗什么。下图把 Artificial Analysis 评测任务的平均成本，拆成输入、缓存写入、缓存命中、推理和答案五部分。不同模型及 effort 会用掉不同数量的 token，只比较每百万 token 单价，还没算完这笔账。
完成评测任务的成本按 token 类型分解
AI 药物项目开始接受临床检验。 按报告核对时的进度，Generate:Biomedicines 的哮喘抗体项目 GB-0895，以及 Insilico 的肺纤维化候选药 rentosertib，已进入三期试验。表中同时列出 AI 在靶点、分子或抗体设计中的具体作用，以及试验计划；疗效和安全性仍由临床结果回答。
报告列出的 AI 药物项目与临床阶段
算力扩张也要区分签了多少与真正上线多少。报告汇总的 AI 云已签约容量超过 15 GW；CoreWeave 在 2026 年二季度披露的已签约容量为 4.2 GW，已上线为 1.5 GW。机房、供电和设备交付，决定这些合同何时成为可用算力。
AI 云已签约与已上线容量的差距
资本支出图里有两种口径：Exponential View 估计，七家云公司计划的 2026 年资本支出中，AI 约占 64%，约 5630 亿美元；另一组针对五家大型云公司的预测，则认为 2027—2030 年每年的总资本支出将超过 1 万亿美元。前者是 AI 份额估计，后者是总支出预测。
AI 资本支出份额估计与云厂商支出预测
政策：各国建自己的 AI，也要面对现实阻力
CNAS 跟踪的主权 AI 项目，在美国和中国以外，已覆盖 67 个国家、184 个政府项目；2023 年宣布的项目为 18 个。
CNAS 跟踪的主权 AI 项目增长
报告随后把十二个主要计划放到一张地图上，合计承诺金额约 1380 亿美元。图中的颜色区分正在支出、资本已到位但未部署、仍在采购的阶段。这组计划承诺，与 CNAS 在另一组国家中统计的约 840 亿美元已披露项目预算，范围不同。
选定主权 AI 计划的承诺金额与阶段
欧洲、英国与印度的算力支持计划，也各在不同阶段。欧盟计划建设最多七座 AI gigafactory，目标是 2028 年中投入运行；英国首批为六家公司分配超过 300 万 GPU 小时，但申请需求达到 6700 万 GPU 小时；印度已批准约 932 万 GPU 小时，覆盖 237 个项目。获批、分配和实际用掉的算力，仍是三件事。
欧盟 英国 印度的算力支持计划
机房落地还要面对居民。在报告引用的美国调查中，反对附近建设 AI 数据中心的人占 71%，反对附近建核电站的人占 53%。
美国调查中对邻近数据中心和核电站的反对比例
安全：监督模型，还得看它实际做了什么
随着 Agent 能执行更长的任务，监测也在换方法。激活探针读取模型的内部表示，先做低成本筛查，再把难例交给更大的模型。DeepMind 的测试中，将 8% 的案例升级给 Gemini Flash，能补上探针与语言模型监测之间的表现差距。
激活探针的误差与相对推理成本
OpenAI 的受控测试给编码 Agent 加入了破坏任务的指令，再检查它能否完成破坏并逃过监测。只看思维链时，GPT-6 Astra 的联合成功率较高；把工具调用和完整行动轨迹一起交给监测模型，图中的联合比例降到接近零。这个对照针对指定的破坏任务与监测条件。
只看思维链与查看完整行动轨迹的监测对照
Anthropic 则尝试用“宪法”与正面 AI 故事训练模型。在虚构的失调场景中，敲诈行为从 65% 降到 19%，其他几类行为也下降。图中是情境测试结果，线上可靠性仍待检验。
虚构场景中价值训练对不当行为的影响
预测：先回看去年，再写下一年
去年十项预测，作者在今年标了两项 YES、三项 NO，另外五项用波浪号表示尚未确定或结果混合。下面保留原表，可以同时看见预测与实际进展。
报告对上一年十项预测的回顾
对未来十二个月，他们又给了九项预测：Agent 支付开始进入责任规则，自主 AI 团队在相同时间和算力下赢过人类主导的模型研发团队，模型实验室推出网络防御产品……
最后一项没有展开，只有两个词：AGI 2027。
报告对未来十二个月的九项预测
参考链接
State of AI Report 2026 — Nathan Benaich / Air Street Capital：https://www.stateof.ai/State-of-AI-Report-2026.pdf Karpathy：autoresearch：https://github.com/karpathy/autoresearch Anthropic：Measurements for understanding the pace of AI development inside frontier labs：https://www.anthropic.com/institute/measuring-pace-of-ai-development