【新智元导读】Anthropic自家工程师早已基本不写代码了，，，，，
，却280美元一个使命，，，，，
，花钱请约1000名外部工程师，，，，，
，手把手教Claude Code写出好代码。
。。喂养前沿模子的，，，，，
，终究照旧人。
。。 早在今年1月，，，，，
，Claude Code认真人Boris Cherny就爆料自己已经两个多月没手写过一行代码，，，，，
，一天就让Claude提交22个拉取请求（Pull Request），，，，，
，前一天则提交了27个，，，，，
，全是模子写的。
。。 流程大致是这样。
。。先从一份包括数千个客栈的清单里，，，，，
，选一个GitHub的代码客栈。
。。然后建一个PR，，，，，
，也就是开发者提交接码修改的那一步。
。。再写一段提醒词，，，，，
，把使命讲清晰。
。。 另一个使命中，，，，，
，外部工程师给MLflow这个开源机械学习平台做清静修复，，，，，
，针对它加载模子时下载Python包可能泛起的下令注入误差。
。。质料的要求十明确确：既要盖住下令注入，，，，，
，又不可误伤正当的pip（Python包管理器）选项。
。。 这些使命的要求，，，，，
，已经凌驾了数据标注的领域，，，，，
，更像是要让一个资深工程师，，，，，
，把脑子里那套「这样写更好」的判断原样拷给模子。
。。 Anthropic官方把它界说为项目级的AI智能体。
。。它能读完整个代码库，，，，，
，跨文件做妄想，，，，，
，直接执行修改，，，，，
，跑测试，，，，，
，再凭证失败的效果自己迭代。
。。 默认情形下，，，，，
，高危害文件修改或下令执行需要用户批准；；；；为镌汰重复授权带来的 批准疲劳，，，，，
，Anthropic还引入了sandboxing，，，，，
，让Claude Code在预设文件系统和网络界线内更清静地运行。
。。 这些工具，，，，，
，通俗的代码语料喂不出来。
。。它已往藏在资深工程师的代码审查里，，，，，
，是人传人的履历。
。。现在，，，，，
，Anthropic想通过招募人类编程专家，，，，，
，把它酿成可以购置的数据。
。。 2015年，，，，，
，Snorkel还只是Ratner读博时的一个「下昼项目」：与其花大价钱雇人一条条标数据，，，，，
，不如用程序和规则做「弱监视」（weak supervision），，，，，
，让模子不靠人工逐条标注也能学。
。。 Snorkel昔时要破的，，，，，
，正是「人工标注又慢、又贵、又不稳」这个老浩劫，，，，，
，那时AI开发约80%的时间都耗在手工标注数据上，，，，，
，因此Snorkel最初的梦想，，，，，
，就是只管把人从标注里解放出来。
。。 可到了前沿模子时代，，，，，
，最稀缺、最值钱的又回到了人身上，，，，，
，只是换成了博士、医生、状师、资深工程师等专家的品味和判断。
。。这家靠「少用人」起身的公司，，，，，
，现在最赚钱的生意反倒是组织一支腾贵的专家雄师去训练前沿AI，，，，，
，Marlin只是其中一单。
。。 Snorkel官网这样形貌这套事情流：先界说使命、评分标准和验证器，，，，，
，框定「什么算好」，，，，，
，再跑专家评审流水线，，，，，
，作者、多名评审、最终裁决者层层把关，，，，，
，全程留痕。
。。 它还会把评估情形和数据一并搭好，，，，，
，让统一批使命能在差别模子版本上重复跑，，，，，
，得出可复现、可较量的分数。
。。而要让分数清洁可比，，，，，
，评分的人就不可受版本滋扰。
。。这些外部工程师不知道自己评的是哪个版本，，，，，
，缘故原由就在这儿。
。。 Snorkel一个果真的执法偏向条约岗，，，，，
，每个高质量使命10到100美元；；；；而Marlin的软件工程使命是280美元一个、约一小时，，，，，
，折成时薪差未几是偕行的两倍半（Scale AI、Mercor给工程师开到每小时110美元）。
。。顶尖专家周入还能凌驾3000美元。
。。 它官方写明：用户开启隐私模式后，，，，，
，代码绝不会被它或第三方用于训练；；；；只有关闭隐私模式，，，，，
，它才可能用代码库数据、提醒词、编辑行为、代码片断，，，，，
，来刷新AI功效、训练模子。
。。 Cursor的Tab模子天天产出凌驾10亿个编辑字符，，，，，
，请求量比初版涨了约100倍。
。。更进一步的Composer，，，，，
，通过强化学习（RL）训练，，，，，
，让模子在大宗代码使命情形中学习挪用编辑、搜索等工具，，，，，
，处置惩罚更长周期的工程使命。
。。 今年2月，，，，，
，xAI并入SpaceX。
。。4月尾，，，，，
，SpaceX拿下了年内以600亿美元收购Cursor母公司Anysphere的权力，，，，，
，或者先付100亿美元做深度相助。
。。马斯克看中的正是Cursor手里那份全球最活跃的真实开发者行为数据。
。。 5月25日，，，，，
，马斯克在X上宣布，，，，，
，新一代基础模子Grok V9-Medium训练完成，，，，，
，参数1.5T，，，，，
，是当宿世产模子的3倍。
。。他特意点出，，，，，
，这照旧没加Cursor数据补训之前的效果，，，，，
，加完「编程能力会强许多」，，，，，
，模子预计6月中旬宣布。
。。 OpenAI厥后的Codex也走上了这条路。
。。2025年宣布的Codex由codex-1驱动，，，，，
，OpenAI称其是在真实编码使命上通过强化学习训练的，，，，，
，目的是写出贴近人类气概、切合PR习惯的代码，，，，，
，还能重复跑测试直到通过；；；；每个使命跑在预装了你代码库的隔离沙箱里。
。。 这说明，，，，，
，HumanEval那类老的基准测试（benchmark）已经刷到饱和，，，，，
，光看跑分意义不大了。
。。真正的战场，，，，，
，是真实开发历程里那些重复、试错、推翻重来的数据。
。。