Anthropic 表示，8 月一次为期两周的冲刺使 claude.ai 和 Claude 桌面应用中的核心任务速度提升约三倍。其9 月 23 日发布的工程说明比单独的标题数字更有参考价值：它展示了哪些操作提了速、团队如何检查测量结果，以及工程师在决策和发布中仍承担哪些责任。
重大变化
- 变化内容：Anthropic 报告称，对常见网页和桌面操作的 13 项测量显示，等待时间缩短。其 3.1 倍数据是 8 月 13 日和 27 日第 75 百分位测量结果的几何平均值。这是该公司针对特定操作流程得出的结果。
- 为何重要：对 Claude 用户而言，加载新的 claude.ai 页面并使其可输入的时间从 3,085 毫秒缩短到 550 毫秒，改善了产品使用中反复出现的一项体验。对工程团队而言，这个案例展示了 AI 助手如何协助解决经测量确认的性能问题，同时由人来确定优先级并批准更改。
- 关注事项：Anthropic 表示，第 95 百分位、其他操作流程和超长对话仍需改进。这些指标将显示其所报告的收益是否也适用于所选操作及 8 月对比之外的情形。
用户获得了哪些改善
Anthropic 确定了四种据称占用户活动 95% 的操作流程：启动应用、开始对话、加载对话和发送消息。这些流程被拆分为涵盖网页、桌面和产品功能的 13 项测量。每项测量都从一次用户操作开始，以结果渲染完成为终点，并区分客户端和服务器端的工作。
对于全新加载的 claude.ai 网页，第 75 百分位下页面变为可输入状态的时间从 3,085 毫秒缩短至 550 毫秒，速度提升 5.6 倍。桌面应用冷启动时间从 6,310 毫秒降至 3,328 毫秒，提升 1.9 倍。在桌面端加载 Claude Cowork 云会话的时间从 2,566 毫秒降至 728 毫秒，提升 3.5 倍。网页聊天消息发送过程中的客户端耗时从 180 毫秒降至 59 毫秒，提升 3.1 倍。这些操作和平台各不相同；整体 3.1 倍是全部 13 项比率的几何平均值，并非某一项任务的结果。
该对比使用了 Anthropic 在 8 月 13 日和 27 日进行的真实用户监测，并取第 75 百分位。该博文没有公布独立审计、这些操作流程的第 95 百分位结果，也没有受控估算 Claude 的协助对提速贡献了多少。Anthropic 估计，更快的操作每天能为用户节省数万小时的等待时间，但没有展示该估算的计算过程。
变化背后的测量流程
团队从工程师选出的约 20 个项目着手。Anthropic 称，它使用了 Claude Tag——一款运行内部研究模型的测试版智能体，该模型大致相当于 Opus 5.5——来寻找瓶颈、建立基准并提出改进方案。团队表示，到第三天时，13 个初始目标中有 12 个已经实现，随后又设定新目标，并寻找现有监测手段未能发现的问题。
一个例子始于一段录屏：页面加载后，侧边栏行项目会移动。现有的累积布局偏移指标没有突出显示该问题。一名工程师建议改用底层的 Layout Instability API。随后 Claude 增加了遥测，用于定位受影响的页面区域；还添加了一个会延迟侧边栏数据的集成测试。Anthropic 报告称，原始代码在 20 次测试中全部失败，而拟议修复在 20 次测试中全部通过。遥测部署后，该公司称它发现在 31% 的网页加载中，页面变为可用后仍会发生移动。这是 Anthropic 冲刺项目中记录的案例，并非 BIG CHANGE 重新测量的结果。
团队还使用实验室指标加快迭代。在两个 JavaScript 热路径上，团队比较了确定性的指令计数和相同基准测试中的耗时。Anthropic 报告称，指令计数分别降低 48% 和 31%，同时实际运行时间分别缩短 78% 和 44%。团队将这些指令计数设为持续集成中的上限，并随着性能改善逐步下调上限。团队表示，它舍弃了不可靠或无法跟踪用户延迟的基准测试。这一区别很重要：实验室计数帮助团队指导改进，而真实用户数据则用于检查已发布的改动是否确实带来帮助。
人如何继续掌握控制权
Anthropic 描述了一条 Slack 频道，其中包含许多围绕单个操作流程或基准测试展开的细分讨论。Claude 追踪问题、提出基准测试和拉取请求、监控部署并读取实地数据。工程师设定目标，决定哪些面向用户的权衡可以接受，并批准每一项改动。每条讨论都有一位明确指定的人类负责人。一项节省每条消息 2 毫秒、共 900 行的改动被拒绝，因为工程师认为维护成本过高。
发布流程设置了多重检查。Anthropic 表示，每个拉取请求都经过自动审查并至少获得一位人工批准，而且优化之前会运行单元测试。面向用户的改动会先放在短期功能标志之后。高风险改动先提供给员工，再逐步开放给 1% 的用户，最后开放给所有人。团队在冲刺期间新增近 200 个功能标志，并表示到冲刺结束时移除了其中一半以上。Anthropic 报告称，团队合并了 3,000 多项改动，没有发生面向客户的事故或回滚。这是该公司对这次冲刺的描述，不能证明其他团队或代码库也会取得相同结果。
静态输入框说明了这些控制措施为何重要。Anthropic 在 React 加载时先将可输入的输入框放入初始 HTML。为检查交接过程，测试在 14 种视口尺寸下比较静态版本和 React 版本，检查对齐误差是否在一个像素内，并在切换过程中进行输入，以发现按键是否丢失或顺序是否改变。实地遥测测量了交接过程中的页面移动。后来，一名员工发现了这些测量未能捕捉到的新标签页布局偏移；Anthropic 将其追溯到预加载期间浏览器窗口尺寸变化，并为该路径增加了测试。
Anthropic 的报告支持一个具体结论：其工程师在由人主导的发布流程中使用 Claude 搜索并改善经测量确认的瓶颈，所选用户操作在 8 月底变快了。但报告没有说明性能较慢的尾部表现、提速能维持多久，以及独立观察者会将多少改善归因于智能体，而非团队的监测、工程工作和发布决策。
