Claude主导26%的AI研发工作，OPC创业者别急着造模型，先卡住这五个监督位

Anthropic的R&D Automation Index里藏着一个被忽略的数

26% 这个数字被反复引用，但 Anthropic 那份 R&D Automation Index 里真正藏着的信息不是它。

是那句附注：超过 90% 的受测 AI R&D 工作，AI 至少已经达到「协作」程度。以及紧跟着的另一句——目前没有任何一项受测工作，达到完全无人监督的自主层级。

把这两句话放在一起读，画面就出来了。Claude 在一部分研发工作里当 lead，在几乎全部工作里当同事，可它从来没有真正单独值过一次班。

这才是关键变量。26% 是能力的天花板，90% 是渗透率的真相，0% 是责任的现状。大多数人盯着第一个数字兴奋或者焦虑，其实第三个才是决定未来两年谁吃到红利的那一个。

我自己的体感也是这样。用 Claude Code 跑一个中型重构，它能一口气吃掉七八个文件，中间还会自己开子代理去搜调用链，效率高到让人恍惚。可到了要合并的那一刻，你还是会停下来，自己把 diff 从头滚一遍。不是因为不信它，是因为没有一条明确的线在说这活干完了。它说完成了，那叫它认为完成了。

Anthropic 自己在报告里承认的那句「没有完全无人监督」，翻译成工程语言就是：链路里始终插着一个人。这个人不写代码，他做的事是判定、切分、兜底、签字。听起来像杂活，其实是全部的控制权。

所以这份 index 最该被圈出来的不是 26%，是那个 0%。它精确地标出了当前 AI 研发协作的断点位置——不在模型够不够聪明，而在两段工作之间的交接处没有可信的验收机制。能力已经溢出了，容器还没造好。

对 OPC 创业者来说，这是个好消息。模型层的仗你打不起，但「谁来判断这活干完了」这件事，现在全球都还是空白。

从“写代码”到“管代码”，OPC创业者的机会不在模型层，在模型之间的交接单上

模型层已经不是OPC能下手的战场了。GPT-6 Astra开放给机构、Sol和Luna把推理成本往下压，Claude Opus 5.5比Opus 5便宜40%还在保留思考链，Gemini 3.5 Flash把输出速度拉到每秒280 token——每一家都在用价格和速度把模型变成水电煤。你再去训一个基座，除了烧钱，就是给下一轮降价当分母。

真正的空白在模型之间。

一个真实的工作流现在长这样：Claude Code接到需求，拆成子任务，一部分自己写，一部分扔给Codex跑测试，测出来的失败用例再回到Claude手里改。中间还夹着豆包读文档、千问翻合同、DeepSeek补一段算法。每换一次手，就丢一次上下文。谁写的这段、依据是什么、验收标准是什么、上一个agent为什么判定它没过——这些信息没人管，全靠人肉在几个窗口之间搬运。

这就是“交接单”的位置。研发从“写代码”变成“管代码”之后，瓶颈不再是生成能力，而是生成与生成之间的传递质量。Anthropic自己的R&D Automation Index里说得很清楚：截至2026年8月，Claude已经能在26%的AI研发工作里扮演lead角色，超过90%的受测工作AI至少达到协作程度。但没有任何一项工作达到完全无人监督。那10%到26%之间的落差，填的就是交接。

交接单上需要什么？至少这么几样：

• 任务契约：这段活是谁派的、边界在哪、什么算完成、什么算跑偏
• 上下文快照：上一个agent用了哪些文件、哪些假设、哪些被否决的方案
• 验收凭据：测试结果、diff、引用来源，能让人和下一个agent都复核
• 回滚路径：这一步错了，退回哪个检查点，代价是多少

这四样东西，模型厂商不会替你定义。它们只管把单个agent做得更强，不管两个agent之间的翻译。而这恰恰是OPC创业者最擅长的活——你不需要算力，不需要预训练，你要的是把散落在Claude Code、Codex、各家API之间的状态管道焊起来。

值得关注的是，这个位置有天然的粘性。模型越强、越便宜，企业越会同时用好几家的产品，交接的需求只会涨。今天一个团队用两个模型，明年就是五六个。谁来当中间那层？现在还没有标准答案。

舍予AI智能体这类“老板的第一支AI战队”的思路，切的就是这个口子——不是自己造一个更强的agent，而是让一支由不同模型组成的队伍能协同干活、有人管调度、有人管验收。OPC创业者如果还在纠结用哪个模型，方向就偏了；该纠结的是，你的交接单长什么样。

当Claude开始给Claude派活，谁来定义“这活干完了”？三个正在浮出的协作

26%这个数字之所以让人坐不住，不是因为Claude能干活，而是它开始给别人派活。

Anthropic那份R&D Automation Index里还藏着一个更扎眼的细节：超过90%的受测AI研发工作，AI至少已经达到协作程度；但没有任何一项，做到完全无人监督的自主。翻译一下——活派得出去，账结不了。模型之间有任务流了，缺的是验收线。

第一个正在浮出来的协作，是上下文接力。Claude for Excel和Claude for PowerPoint这两个加载项现在共享完整对话上下文，Claude在一个应用里做的每个动作，都被另一个应用里发生的事影响。听着像普通的体验更新，其实是交接单的雏形。以前我们给模型一段prompt，跑完就断片；现在它带着上半场的信息进下半场。谁把上下文丢了，谁的活就等于没干。

第二个，是母代理和子代理的分层。Claude Code里的技能与子代理机制，本质就是把一件大活切成若干可派发的单元，主代理负责拆和收，子代理负责干。Opus 5.5带出来的preserved thinking，价值也在这——思考状态被保留下来，"我为什么这么干"不再是一次性的，而是能传给下一个接手的节点。所以这一步的关键变量不是谁的模型跑分高，是任务能不能被无损转手。GPT-6 Sol和Luna把上一代的强能力压到更快更便宜这一侧，等于把派活的边际成本继续往下推。成本越低，瓶颈越往后移。

第三个最要命，也最少人谈：谁来定义"这活干完了"。

现在的通行做法还是人肉验收。26%的lead占比意味着，四分之一的研发工作流里模型已经在发指令、定方向，但每一步的收敛点仍然是人。这撑不了太久。规模一上去，验收就成了瓶颈——你不能让一个人去审四条并行链路，每条链路底下还各自带了子代理。

所以下一步真正会被抢的位置，是验收规则的写法。什么算完成、什么算边界情况、失败了往哪回滚、什么状态必须停下来找人，这些得被写成模型能读的结构，而不是留在老板脑子里当默契。

还有个细节挺有意思。2026年9月那批传闻，说Claude Code把部分Opus 5请求路由到一个叫"Opus 5.2"的新构建，真假不重要，它说明外界已经默认了一件事：模型会在背后自己调度模型，而且不告诉你。你连它此刻跑的是哪个版本都没底的时候，谈验收就有点像玄学。

舍予AI智能体那句"老板的第一支AI战队"，我现在是这么理解的：重点不在战队，在于有人管交接单。一屋子能干的模型，如果没有统一的派活、交接、验收口径，那它不是战队，是噪音。

让Claude给Claude派活不难。难的是它回头问你"这算干完了吗"的时候，你得答得出来，还得答得让它能照着执行。

别做AI的监工，做AI协作的调度台：舍予AI智能体这类“老板的第一支AI战队”正

模型层的事，交给模型公司去卷。

九月这一个月，Opus 5.5 把运行成本压到比 Opus 5 低 40%，GPT-6 Sol 和 Luna 把 Astra 的能力下放到更快更便宜的档位，Gemini 3.5 Flash 每秒吐 280 个 token。价格往下走、速度往上走，这两条曲线一交叉，任何"我模型选得好"的护城河，寿命大概就是两个版本号。

真正稀缺的在另一头：谁决定这件事该不该做、做到什么程度算完、做完交给谁。

Anthropic 那个 R&D Automation Index 里还有一句被引用得多、被当真得少的话——超过 90% 的受测 AI 研发工作，AI 至少达到协作程度，但没有一项达到完全无人监督的自主层级。26% 由 Claude 当 lead，剩下那些不是 AI 干不了，是没人敢放手。这个差值，就是 OPC 创业者真正的地盘。

监工和调度台，是两种完全不同的活。

监工盯着每一次输出，逐行看、逐句改，本质是把自己塞进流水线最窄的那一环。只有一个 agent 时还行，三五个并行的时候，你就是那个必然的瓶颈。

调度台不盯过程，只定四件事：

• 任务边界——这个 agent 能碰哪些文件、系统、数据，不能碰什么
• 交接格式——上游给下游留什么上下文。Claude 在 Excel 和 PowerPoint 之间共享完整会话上下文，已经说明交接质量直接决定返工率
• 验收标准——"干完了"必须可验证，不是模型自称干完了
• 成本与权限——哪个活值得上 Opus 5.5，哪个丢给便宜档位，谁的 key 能动生产环境

这四件事，没有一家模型公司会替你写。他们优化 token 效率、推理缓存、preserved thinking，不优化你的验收单。

舍予AI智能体走的就是这条线——"老板的第一支 AI 战队"。它卖的不是一个更聪明的模型，是把调度台这件事变成一套能上手的东西：你定义目标和边界，战队去跑，你只在验收位出现。这可能是当下最被低估的一个落地场景。

带得走的三条。

把"我在干什么"重新数一遍。 拿张纸，写下上周最耗时间的十件事，凡是"检查 AI 输出对不对"这一类，全标出来。那就是你现在的监工工时，也是你最先该交出去的部分。

给每个 AI 岗位写一份 JD。 职责、权限、交付物、验收人。写不出来的位置，说明它还不该被自动化。

先建交接单，再谈多智能体。 一个 agent 跑得再好，如果不知道怎么把上下文干净地交给下一个，你拥有的只是一堆更快的孤岛。

模型会继续变便宜、变快、变多，这事不会停，也不用你操心。

你要操心的是另一件事：当十个 agent 同时在线，你的调度台上，有没有一份说人话的验收标准。这份标准写得越清楚，你能放手的半径就越大。