Anthropic 昨天宣布 Claude Managed Agents 加了动态工作流，单次最多并行 1000 个智能体。他们放了一个测试数据：11.6 万行代码库，藏了 70 个 bug，单智能体一次跑下来找 14 到 27 个，动态工作流稳定找 66 个。

数字看着漂亮，但想想为什么会这样。一个模型塞进去 11.6 万行代码，上下文窗口就那么大，注意力分配就那么多。前半段还能逐行看，后半段基本在靠模式匹配猜。不是它不聪明，是物理上看不全。

动态工作流的解法其实很笨。主智能体把代码拆成块，分给子智能体，每个子智能体只看自己那几千行。看的地方少了，注意力就集中了。最后主智能体把结果拼起来。66 个，比单智能体最好的 27 多出一倍还多。

说真的，这个思路不新鲜。分布式计算早就这么干了，把一个任务拆碎、并行、汇总。Anthropic 做的事是把这个编排层做到了产品里，配置也简单，multiagent.type 填一个字符串，启用 workflows 就行。

但代价呢。1000 个智能体并行，每个都要吃完整的 system prompt 加上自己那部分代码。token 消耗是单智能体的多少倍，Anthropic 没公布。他们放的是检出数量的对比，没放成本对比。

不对，应该是没放 token 用量的对比。检出数量确实好看，但如果你要做决定，光看检出率不够。

本地跑模型的人基本用不上这个。一个模型的上下文窗口是硬顶，多智能体编排意味着同时跑多个实例，显存和算力直接翻倍甚至翻几十倍。云端 managed agents 帮你把编排、调度、汇总全做了，你只管交任务。但账单也是 Anthropic 帮你算好的。

11.6 万行代码这个量级，大多数独立开发者碰不到。真正能用上的，是大团队、全量 CI 扫描、或者代码审计那种不能外传必须一次跑完的场景。