月薪2萬的工程師，Anthropic說6毛錢就能替代

一個軟件工程師每月的人力成本，按國家統計局的數據粗略估算，在國內是2到3萬元左右。

如果只算他一天8小時在崗時間里真正執行任務的部分，折合下來大約是每小時110到170元。

Anthropic今天推出了一項新功能Claude Managed Agents，有一項定價寫著$0.08/小時，折合人民幣不到6毛錢。

這個數字本身不是重點，重點是它意味著Anthropic開始按小時計費。不僅收取使用的Token費用，還開始計算Agent跑了多長時間。

Managed Agents提供的是一整套現成基礎設施，也就是Anthropic所說的agent harness：包括工具調用、記憶系統、權限控制、云端長時運行、Agents之間互相監控，以及沙箱環境等功能。

舉個例子，假設我們要雇一個人幫你干活，會遇到什么麻煩？

招人階段，要準備辦公位（服務器）、要裝電腦配系統（開發環境）、要寫崗位職責說明書（代碼邏輯）。

干活階段：干到一半斷網了，進度全丟（會話中斷）、想查他干了啥，沒有記錄（無法審計）、擔心他亂翻公司機密（權限管控）。

而Claude Managed Agents在這個過程中的作用，就是把這些麻煩事全包了。Anthropic表示，別再自己搭那個破爛不堪的草臺班子了，把基建交給我，你們只管去想怎么賺錢。

通過在Claude官方的Agent搭建控制臺或者使用API的方式，我們直接下達Agent需求，Claude Managed Agents負責給他工位、看著他干活、保證他不亂來。

目前，Claude Managed Agent正在公測中，任何人、企業都可以快速地構建一個能干活的真.Agents數字員工。

過去兩年用了無數的Agents，幾乎每天都有開發者推出自己的Agents產品。有的面向編程代碼，有的面向設計，最后這些Agents都被統一到，去年是Manus類，今年是OpenClaw類的大家族里。

但如果想要自己部署一個更個性化的Agents，尤其是一個能給其他人用的Agent，我們需要自己處理對應的服務器，要設置復雜的機制防止它崩潰，要給它接管數據庫的安全權限，還要用合理的方式管理Agent的上下文記憶。

Managed Agents把這些全部承包了。

它的結構圍繞四個概念展開。Agent定義這個員工是誰：用什么模型、遵循什么系統提示、能調用哪些工具。Environment是一個配置好的云端容器，預裝了Python、Node.js等運行環境。

Session是一次具體的任務運行實例，有完整的事件歷史，隨時可以查。Events是我們和agent之間傳遞的消息——任務指令、工具結果、狀態更新。

過去那種「手搓」Agent的復雜模式，直接被Claude Managed Agents壓縮成了全自動的流水線。

如果你是開發者，可以直接調API或者用CLI，幾行代碼創建agent、配置運行環境、啟動session、接收實時事件流。整個流程文檔寫得很清楚，從零到跑起來大概半小時。

如果你不寫代碼，Claude Console提供了完整的可視化界面。選模型、寫系統提示、接MCP工具、掛外部服務，全部點擊完成。配置好之后可以直接在界面里測試，看agent怎么響應，不滿意就調，滿意了再讓它持續跑著。

Console的構建頁面里有一個「What do you want to build?」的輸入框，旁邊是模板庫，覆蓋了研究員、數據分析師、客服助理、事故響應協調員等現成角色，每個都預先接好了Slack、Notion、Asana、GitHub、Jira這些工具的連接。選一個模板，改改描述，就能開始。

不過，僅開通了Claude會員還不夠，目前還是需要有API計劃，即綁定信用卡有一定Token額度，才能使用Managed Agent。

Managed Agents在工程上有一個核心決策，和最近一直在討論的Harness工程相關，它決定著這套系統能不能真正用于生產。

Anthropic在官方的工程博客里用一個特別扎心的比喻，解釋了Managed Agent的結構設計。

他們認為早期的Agent架構，非常像是在「養寵物」。開發者習慣把Claude（大腦）、執行代碼的沙盒（手腳）以及它的記憶（會話日志），一股腦地塞進一個巨大的服務器容器里。

這個容器變得無比嬌貴，我們不能讓它死。一旦容器卡死或崩潰，AI的腦子和手腳一起完蛋，用戶的任務數據瞬間清零；容器里同時跑著用戶憑證和Claude生成的代碼，一旦有提示詞注入攻擊，憑證就直接暴露。

Anthropic的解法是，把「大腦」和「雙手」徹底分開，容器變成了隨時可以犧牲的「牛馬」，即從養寵物變成養牛馬。

調度器（大腦）不再住進容器里。它像調用外部工具一樣，對容器發號施令。如果容器在執行危險代碼時崩潰了？大腦根本不慌，它會記錄下一個錯誤代碼，然后毫不猶豫地重新拉起一個新容器繼續干活。

使用Agent留下的記憶，也不再被塞進某個AI或者容器擁擠的腦子里。分開運作后，所有的記憶被單獨存放在外部的會話日志中，就像一個外接硬盤。

大腦通過標準化的調用方式指揮雙手，不在乎雙手是容器、是外部服務還是別的什么。哪只手出故障了，換一只，大腦繼續跑；大腦自己崩了，從對話日志里恢復，接著干。

這個設計帶來了性能的大幅提升。解耦之前，每個對話啟動都要等容器完整初始化，系統要花很長時間去拉起一個包含了龐大調度邏輯的沉重容器。

現在，首次響應時間降低了超過90%，安全邊界也因此變得清晰——Claude生成的代碼在沙箱里跑，憑證在沙箱外的保險箱里，兩者之間有專用Agents隔離，agent永遠拿不到原始憑證。

更重要的是，它讓Agent真正具備了可以長期穩定干活的能力。

Anthropic提到，Notion已經在內部使用Managed Agents搭建了幫助工程師寫代碼、幫知識工作者做演示的企業Agent。

Rakuten把銷售、市場、財務、HR的agent都用Managed Agents部署了，每個專項agent的上線時間是一周。

Sentry的調試agent在發現bug之后，會自動寫補丁、開PR，開發者收到的是一個可以直接review的修復方案，整個流程不需要人介入。

可以說，以前的大模型公司提供的是模型API，即處理我們的每一條消息；Anthropic做出的改變是將基于消息的API包裝成可以直接交付工作的Agent API。

這種改變首先體現在Claude Managed Agents的定價結構上。根據官方博客，Managed Agents的計費包括Token費用（標準API價格，Sonnet 4.6是$3/M input，$15/M output），加上$0.08/session-hour（按實際運行時間計費，idle時間不算），和Web search另計：$10每1000次。

Anthropic有舉例，一個使用Opus 4.6、跑50K輸入+15K輸出token的一小時coding session，總成本約$0.70。

和專門請一個員工來處理相比，現在企業自己就可以通過Managed Agents創建一個內部的Agents。數字員工的概念，又被往前推進一步。

此外，對Anthropic來說，這也意味著收入開始和企業的自動化程度直接掛鉤，企業跑的agent越多，Anthropic收得越多。這和AWS從「賣服務器」變成「賣運行時間」是同一個邏輯，他們打開了一個比賣訂閱大得多的市場。

大模型技術發展到現在，單純比拼參數和跑分的紅利期似乎正在消退，畢竟能力真正強的大模型，也被限制不能開放使用。

真正的戰場，又回到了「如何讓這群聰明的腦子，最穩定、最廉價地在工廠流水線上打工」，Claude Managed Agents的推出，就是AI基礎設施走向成熟的一個里程碑。

回頭看Claude今年的每次更新，無論是模型還是產品，幾乎都踩在了我們對AI能做什么的痛點上。

一方面在持續提升模型的能力，不被外界生視頻、瀏覽器、生圖模型那些方向干擾；另一方面是從Cowork開始，到后面瘋狂打補丁復制OpenClaw的全部功能，再到今天推出一個專門用來開發和部署Agents的平臺，每一次都是極其敏銳的產品視角。

Anthropic正在開創一個新的發布模式，即從「我們發布了一個更快更好的工具」，變成「我們為你準備好了構建數字員工的完備基礎設施」。

據說有開發者已經在Console里測試時，讓Agent連續跑了72小時處理一批歷史數據歸檔，中間斷過兩次，系統自己重啟容器續上，最后輸出了一份帶索引的完整報告——而賬單顯示，這三天只花了不到兩美元。