Vals AI 联合创始人 Rayan Krishnan 预测，Anthropic 可能在 2027 年 8 月前实现 Full RSI，即模型能自我改进闭环。
核心不是说 Anthropic 到 2027 年 8 月一定会造出一个“完全自主、无限递归”的 AI，而是他认为：AI 研发本身可能在未来约 10 个月内实现高度自动化，模型能够参与改进 AI，并推动后续模型继续变强。
这里有一个关键区别：“模型能做 AI 研究”“AI 研发形成自我改进闭环”和“完整 RSI 已经实现”是三个不同的门槛。 这段访谈主要讨论的是前两者的可能性。
他给出这个预测的三个主要理由
1. AI 研发已经变得相对标准化，优化过程本身也能被优化
这是他最核心的判断。
他认为，不同研究团队构建模型的策略越来越相似，AI 研发流程已经有了相当清晰的步骤。研究人员可以通过实验发现问题、调整方法、比较结果，再不断迭代，这个过程也就是他所说的 hill-climbing（沿着可衡量的目标持续优化）。
2. RSI Index 正在测量模型能否真正完成 AI 研发任务
Vals AI 并非只看模型的推理分数，而是设置 AI 研发相关任务，观察模型能否在给定时间和算力预算内，独立研究、开展实验并提交成果。
例如：
改进语言模型训练： 修改一个小型GPT的训练程序，争取在未见过的测试集上取得更好结果。
改进后训练： 调整模型，使它在指定评测任务上表现更好。
改进Harness： 优化智能体使用的工具、提示词、记忆和验证机制，让整个系统更可靠。
这些任务覆盖了模型研发的不同环节。嘉宾认为，如果模型在这些代理任务上的能力持续提升，就可以据此推断它距离承担完整的 AI 研发工作越来越近。
3. 他把评测趋势外推到了明年
Vals AI还希望通过覆盖美国经济各类工作任务的Index，观察模型能否持续优化这些任务上的表现。如果模型不仅能完成研发任务，还能不断提升自己在更广泛任务上的能力，就更有理由相信它能构建出自动化更多工作的模型。
因此，Rayan 根据 RSI 代理任务的表现趋势，预测 Anthropic 可能在 2027 年 7—8 月实现 Full RSI。他将其定义为：机器学习工程师在 Anthropic 所承担的工作能够被自动化，并且认为这与 Anthropic 已公开讨论过的一些内部评估结果相符。