Claude新增最多可并行运行1000个AI智能体的分工功能，成本成焦点

从制定计划到分配工作，均由AI负责

Anthropic为AI智能体执行平台“Claude Managed Agents”新增了动态工作流，让多个智能体分工协作。负责指挥的智能体制定计划、向子智能体分配工作，并整合结果。一次运行最多可并行运行1000个智能体。

AI智能体是能够朝着给定目标开展工作的AI。此次新增的功能不再把所有任务都交给一个智能体，而是将其分为负责指挥和负责执行的角色。这相当于在现有执行平台上，增加了统一调度多个AI的机制。

值得关注的不只是1000这个上限。任务拆分和结果汇总都由AI负责。不过，并行运行的数量并不直接意味着处理速度或成果会成倍提升。

70个漏洞中检出66个

Anthropic公布的测试在11.6万行代码中故意植入了70个漏洞，并对检测结果进行了比较。单个智能体单次运行时发现了14至27个漏洞，而动态工作流据称始终能检出66个。

换算成检出率，单个智能体约为20%至39%，动态工作流约为94%。在这项测试中，多个智能体分工协作带来了检出数量的增加。不过，即便检出66个，也并未找到所有预设漏洞。

此外，这一结果来自代码漏洞检测这一特定任务。尚无法确认在调查、文档撰写等其他工作中是否也会出现类似差距。公布的资料也没有说明测试实际使用了多少个智能体，因此不宜将结果理解为运行1000个智能体所取得的成果。

衡量是否采用，应看每项成果的成本，而非智能体数量

分工协作也会增加AI的处理量，带来额外负担。Anthropic指出，这种方式可能消耗大量token，并建议从小规模配置开始。Token是AI处理文本和代码的单位，也是评估使用成本时的参考指标。

企业真正需要判断的，不是能运行多少个AI，而是以多少成本获得符合要求的成果。即使能发现更多漏洞，如果费用或核查工作量也随之大幅增加，是否采用就会有不同考量。更实际的做法是针对同一任务，对比单个智能体与少量智能体分工协作的配置，并测量检出数量、耗时和费用。

公布的资料没有列出此次对比测试的总费用、处理时间和token消耗量。目前能确认的只有漏洞检出数量的差异，这还不足以证明其具备成本效益。