Claude新增最多1000個AI分工功能，費用成焦點

AI負責從規劃到分派工作

Anthropic為AI代理執行平台「Claude Managed Agents」新增動態工作流程，讓多個代理分工合作。負責指揮的代理會制定計畫、分派工作給子代理，並整合結果。一次執行最多可讓1000個代理平行運作。

AI代理是朝著指定目標推進工作的AI。這次新增的功能不是把所有工作交給單一代理，而是將工作分為指揮與執行兩部分。換言之，既有的執行平台新增了讓多個AI協同運作的機制。

值得關注的不只是1000這個上限，還包括由AI負責拆解工作和彙整結果。不過，可平行運作的數量，不代表處理速度或成果也會按相同比例提升。

70個錯誤中找出66個

Anthropic公布的測試，是在11萬6000行程式碼中刻意埋入70個錯誤，再比較偵測結果。單一代理一次執行找出14至27個錯誤；動態工作流程則據稱每次都找出66個。

換算成偵測率，單一代理約為20至39%，動態工作流程則約為94%。在這項測試中，多個代理分工合作，確實增加了找出的錯誤數量。不過，即使找出66個，也不代表找到了所有預先埋入的錯誤。

此外，這項結果來自程式碼錯誤偵測這個特定任務。目前無法確認在研究、撰寫文件等其他工作中是否也會有同樣差距。提供的資料也沒有說明測試實際使用了多少個代理，因此不宜逕自認定這是動用1000個代理的成果。

導入評估應看每項成果的成本，而非AI數量

分工也會增加AI的處理量，帶來相應負擔。Anthropic表示，這種做法可能消耗大量token，並建議從小規模配置開始。token是AI處理文字或程式碼的單位，也是評估使用費用時的指標。

企業需要評估的，與其說是能運作多少個AI，不如說是要花多少錢才能取得符合需求品質的成果。即使能找出更多錯誤，費用或確認工作增加多少，也會影響是否採用。實際做法是以相同任務比較單一代理與少數代理分工的配置，測量找出的錯誤數量、所需時間和費用。

提供的資料沒有列出這次比較測試的總費用、處理時間或token消耗量。目前能確認的是錯誤偵測數量的差異，尚不足以證明其成本效益。