Anthropic 提出三类持续指标：AI 主导研发的占比、agent monitor 的覆盖/延迟/升级，以及研发算力分配。其最大内部平台约有 3 万个并发研究与工程 agent，在线和离线监控覆盖率为 100%；8 月在线判断超过 10 亿次，每周约 50 次升级到人工。Claude 主导了 26% 的被测研发工作，参与或主导超过 90%，但没有任务完全自主完成。
Anthropic 公布 3 万 agent 集群的监控指标
2026-09-17已核实动态TRIAL
Anthropic 提出三类持续指标：AI 主导研发的占比、agent monitor 的覆盖/延迟/升级，以及研发算力分配。其最大内部平台约有 3 万个并发研究与工程 agent，在线和离线监控覆盖率为 100%；8 月在线判断超过 10 亿次，每周约 50 次升级到人工。Claude 主导了 26% 的被测研发工作，参与或主导超过 90%，但没有任务完全自主完成。
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
对大规模 agent 集群的运营者来说，这是少见的监控量、延迟与人工升级数据，支持采用两级监控，而不是人工检查每条轨迹。分类与测量均来自公司内部，因此更适合作为运营参考，而不是中立 benchmark。
证据与关联材料
技术细节与六维评分
| 并发规模 | 约 3 万个 agent |
|---|---|
| 覆盖率 | 在线与离线监控均为 100% |
| 在线判断 | 8 月超过 10 亿次 |
| 离线命中 | 每周约 10 万条 transcript |
| 人工升级 | 每周约 50 次 |
| AI 主导研发 | 26%；参与或主导超过 90% |
技术影响 4
工程价值 5
采用信号 5
成熟度 4
验证成本 3
风险 3