Anthropic 为 Claude 加入动态工作流，单次可并行调度最多 1000 个 AI 智能体
Anthropic 把动态工作流加入 Claude Managed Agents，实现平台级多智能体编排：主导 agent 制定计划、把任务分发给子 agent 并汇总结果，单次执行最多可并行运行 1000 个 agent。官方在 116,000 行代码库中预埋 70 个 bug 的测试里，单 agent 每次仅发现 14 到 27 个，动态工作流稳定命中 66 个；但 token 成本争议仍在，Anthropic 建议从小规模起步。
原贴
查看原文原文
中文翻译
Anthropic 正在把动态工作流加入其 Claude Managed Agents，将多智能体编排带到该平台上。
托管式 agent 基础设施已经存在一段时间了，但动态工作流是新的。
一个主导 agent 制定计划，把任务分发给子 agent，并在它们完成后合并结果。
每次执行最多可以有 1000 个 agent 并行运行。
这是否具有成本效益似乎存在争议。
一位 OpenAI 资深工程师最近称 agent 集群是巨大的 token 浪费，但 Anthropic 援引了自己的测试：
该团队在 116,000 行代码库中藏了 70 个 bug，并发现单个 agent 每次运行能抓到 14 到 27 个，而动态工作流稳定命中 66 个。
这些收益能否在不同任务类型上成立仍有待观察，所以一如既往，值得用你自己的负载去测试。
要激活动态工作流，请选择 “multiagent_20261001” 这一 agent 类型。
由于这些工作流会消耗“大量 token”，Anthropic 建议从小规模开始。
你可以通过文档上手，或在 Claude Code 中运行 “/claude-api managed-agents-onboard”。
核心信息
Anthropic 把动态工作流加入 Claude Managed Agents，实现平台级多智能体编排：主导 agent 制定计划、把任务分发给子 agent 并汇总结果，单次执行最多可并行运行 1000 个 agent。官方在 116,000 行代码库中预埋 70 个 bug 的测试里，单 agent 每次仅发现 14 到 27 个，动态工作流稳定命中 66 个；但 token 成本争议仍在，Anthropic 建议从小规模起步。
- Anthropic 把动态工作流加入 Claude Managed Agents，实现平台级多智能体编排：主导 agent 制定计划、把任务分发给子 agent 并汇总结果，单次执行最多可并行运行 1000 个 agent。官方在 116,000 行代码库中预埋 70 个 bug 的测试里，单 agent 每次仅发现 14 到 27 个，动态工作流稳定命中 66 个；但 token 成本争议仍在，Anthropic 建议从小规模起步。
- 原贴提到：Anthropic is adding dynamic workflows to its Claude Managed Agents, brin
- 来源：the-decoder.com
详细解读
这是什么信号：Anthropic 在 Claude Managed Agents 中加入动态工作流（dynamic workflows），把多智能体编排变成平台能力。运行方式是：一个主导 agent 制定计划，把任务分发给子 agent，并在子任务完成后合并结果；单次执行最多可并行运行 1000 个 agent。托管式 agent 基础设施早已存在，但动态工作流是新东西，启用方式是在 agent 类型中选择 multiagent_20261001。这意味着 agent 的竞争点正从“单个 agent 有多聪明”转向“调度与编排层做得多好”。
为什么重要：Anthropic 给出了自己的对照数据——在 116,000 行代码库中隐藏 70 个 bug，单个 agent 每次运行只能发现 14 到 27 个，而动态工作流稳定命中 66 个。差距并不来自模型更聪明，而来自并行分解加结果合并带来的召回率提升。反方观点同样明确：一位 OpenAI 资深工程师近期把 agent 集群称为“巨大的 token 浪费”。所以这本质是“用更多推理算力换更高召回率”的取舍，而不是一次免费的能力升级。
对谁有价值：最适合可并行、可验证、且召回率比成本更重要的任务，例如大规模代码库审查、批量安全扫描、跨文件补测试、多来源资料核查。对成本高度敏感、任务链路强串行、或者结果难以自动校验的团队，收益会明显打折。
可以怎么行动：第一，先用自有负载做小规模 A/B：同一批任务分别跑单 agent 与动态工作流，记录完成率、召回率和 token 消耗；第二，把任务拆成可独立验证的子任务，这是动态工作流能发挥作用的前提；第三，按 Anthropic 的建议从小规模起步，因为这类工作流会消耗“大量 token”；第四，按文档接入，或在 Claude Code 中运行 /claude-api managed-agents-onboard 上手。
风险与限制：官方测试只覆盖了预埋 bug 的代码审查场景，这一优势能否跨任务类型保持，原文明确说“仍有待观察”；1000 个 agent 并行的实际成本没有公开数据；上游错误会被并行子 agent 放大，结果合并与问题归因也变得更复杂。合理做法是把它当成一个需要用自己预算实测的选项，而不是默认开关。
信息差价值
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《Anthropic 为 Claude 加入动态工作流，单次可并行调度最多 1000 个 AI 智能体》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
Anthropic 为 Claude 加入动态工作流，单次可并行调度最多 1000 个 AI 智能体主要讲什么？
Anthropic 把动态工作流加入 Claude Managed Agents，实现平台级多智能体编排：主导 agent 制定计划、把任务分发给子 agent 并汇总结果，单次执行最多可并行运行 1000 个 agent。官方在 116,000 行代码库中预埋 70 个 bug 的测试里，单 agent 每次仅发现 14 到 27 个，动态工作流稳定命中…
这篇文章最值得关注的要点是什么？
Anthropic 把动态工作流加入 Claude Managed Agents，实现平台级多智能体编排：主导 agent 制定计划、把任务分发给子 agent 并汇总结果，单次执行最多可并行运行 1000 个 agent。官方在 116…；原贴提到：Anthropic is adding dynamic workflows to its Claude Managed Agents, brin；来源：the-decoder.com
这篇文章和哪些AI专题相关？
它适合放在Agent工作流、AI副业、AI工具专题里阅读。 关联原因：这篇内容命中「Agent、智能体、工作流」等主题信号。；这篇内容命中「项目、小生意、变现」等主题信号。；这篇内容命中「Claude」等主题信号。
阅读这篇文章建议先理解哪些关键词？
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词，再结合正文判断工具、机会或风险是否值得进入自己的工作流。