Claude 的下一层，不是更多 Token，而是分工
第一性原理 佛学觉照

Claude 的下一层，不是更多 Token，而是分工

| 阅读 8 分钟

北京时间 2026 年 7 月 15 日，Sequoia Capital 发了一条很短的视频，标题是《Why “Tokens Aren’t Fungible” - Anthropic’s Angela Jiang》。

短视频里，Angela Jiang 没有把 Claude 的路线讲成“模型又变强了”。她讲的是另一件事：平台抽象正在从“知道”走向“执行”，再走向“协调”。

这句话听起来像产品路线图，但它真正指向的是 AI agent 的下一层竞争：不是谁能消耗更多 token，而是谁能把不同 token、不同 agent、不同工具调用组织成一个可靠的工作系统。

知道答案，和完成工作，不是一回事

过去我们讨论大模型，常常默认它的核心能力是“知道”：给它一个问题，它给你一个答案；给它一段材料，它提炼出结论。

这当然重要，但还停在知识层。

Angela Jiang 在视频里说，下一层抽象是 execution：模型不只是知道某件事，而是要真的做事、产出结果、编辑文件、串起多个系统。再往工程上走，执行型 agent 还要处理工具权限、中间状态、错误恢复和审计。

这一步会把问题从“模型会不会回答”变成“系统能不能托付”。

一个问答模型只要把答案写出来就结束了。一个执行型 agent 要面对的东西多得多：它要知道哪些工具可用，哪些文件能改，哪些凭据能碰，哪些操作需要确认，失败以后从哪里继续，最后的结果如何被追踪。

所以执行层不是多加几个工具按钮。它需要低层 harness、沙箱、状态管理、权限、日志和错误恢复。Anthropic 的 Claude Managed Agents，正是在试图把这些基础设施包装起来。

Token 不是燃料，而是岗位

真正有意思的是更上面一层：coordination。

Angela Jiang 用了一个很好的说法：如果 tokens aren’t really fungible，就要给它们不同的 jobs。有的 token 在 advising，有的在 executing，有的在 dreaming。

这句话可以从成本角度理解，但只从成本看会错过重点。

所谓 token 不可替换，不是说每个 token 有不同价格标签，而是说在复杂任务里，计算资源开始承担不同角色。一个 token 用在探索方向，和一个 token 用在改文件，价值不一样；一个 agent 用来当强模型 advisor，和一个 agent 用来跑重复检查，也不是同一种工作。

当任务足够复杂，最重要的就不再是“多给模型一点上下文”，而是“把不同计算角色放在正确的位置”。

这更像组织设计，而不是简单扩容。

多 agent 不等于更聪明

最近一个月的公开讨论里，Claude Managed Agents、sub-agents、agent teams、MCP code execution 都在围绕同一个方向展开：让模型从聊天窗口进入工作流。

Anthropic 的工程文章把 Managed Agents 描述成围绕 Claude 的运行时抽象：harness、sandbox、session、工具和未来组件都可以被组合进去。另一篇关于 MCP code execution 的文章，则强调把工具密集型工作移出上下文窗口，放进可执行环境里，减少上下文负担。

这说明平台正在补的，不只是模型能力，而是执行基座。

但协调层也有代价。Claude 文档对 agent teams 的提醒很直接：多个会话协作会带来协调开销，并使用更多 token。团队式 agent 适合可拆分、可并行、结果能汇总的任务；如果任务本身高度依赖顺序、同一批文件或细密状态，拆成多个 agent 反而可能更贵、更慢、更难控。

所以“token 不可替换”不是让系统盲目开更多 agent。它是在提醒：token 的位置、角色和上下文，比 token 的数量更重要。

有些任务需要一个强模型当架构师。有些任务需要便宜模型做批量检查。有些任务需要一个 agent 探索方案，另一个 agent 做保守实现，第三个 agent 只负责验收。也有很多任务，不应该拆开。

协调层的价值，正在于判断这些边界。

成本问题，本质上也是控制问题

Business Insider 最近报道里，Angela Jiang 和 Anthropic 的 Katelyn Lesse 对 AI 成本压力的回应，也和这个方向一致：真正的问题不是停止使用 AI，而是更聪明地使用它。

这不是一句营销安慰。

如果一个公司让每个部门各自接入 AI、各自跑 agent、各自消耗 token，账单一定会失控。更麻烦的是，权限也会一起扩散：谁能读客户数据，谁能改生产文件，谁能发外部内容，谁能调用付费接口，如果没有统一边界，成本问题很快会变成风险问题。

协调层必须同时处理两件事：把工作分对，也把权力管住。

一个成熟的 agent 系统，至少要回答几个问题：

第一，谁负责建议，谁负责执行，谁负责复核？

第二，哪些工具可以自动调用，哪些操作必须等人确认？

第三，预算什么时候停止，异常什么时候中断？

第四，最后的结果如何审计、回放和追责？

如果这些问题没有答案，多 agent 只是把一个不可控模型变成一组不可控模型。

下一阶段竞争，是把智能组织起来

大模型早期的竞争，很大程度上是能力竞争：谁知道更多，谁推理更强，谁上下文更长。

但 agent 平台的竞争会更接近组织能力：谁能把知识、执行和协调接成稳定系统；谁能让不同模型、不同工具、不同权限和不同任务角色各就各位；谁能在任务做大以后，仍然知道成本在哪里、风险在哪里、停止键在哪里。

这也是 tokens aren't fungible 这句话最值得重视的地方。

它不是一句关于计费单位的俏皮话。它在说，AI 正在从“一个模型回答所有问题”，走向“一套系统组织不同工作”。token 不再只是消耗品，而开始像岗位、流程和控制点一样被设计。

未来真正有竞争力的 AI 系统，不只是拥有更强的模型，而是知道什么时候让模型思考，什么时候让工具执行，什么时候让另一个 agent 审核，什么时候省下 token，以及什么时候必须停下来。

Claude 的下一层，不是更多 token，而是把智能组织成可以工作的分工系统。

参考来源

💬 评论