IT之家 2 月 22 日消息，AI 智能體已逐漸從概念走向實際應用，幾乎所有 AI 廠商都已經推出了自家的 AI 智能體產品。然而，人們對于 AI 智能體在真實世界中的實際使用方式卻知之甚少。

Anthropic 于當地時間 2 月 18 日發(fā)布了首份 AI 智能體行為實測報告，通過對 Claude Code 及公共 API 上的數百萬次人機交互進行隱私保護分析，首次系統性地揭示了 AI 智能體在實際部署中的自主程度、風險分布與監(jiān)督模式。

研究團隊發(fā)現，Claude Code 的自主工作時長顯著增加，其單次連續(xù)自主運行的最長時長在三個月內幾乎翻倍。

在 2025 年 10 月至 2026 年 1 月期間，其“turn duration”（即從模型開始執(zhí)行任務到停止的時間）第 99.9 百分位的運行時長從不足 25 分鐘上升至超過 45 分鐘。相比之下，中位數時長維持在約 45 秒，且過去數月波動有限。

研究指出，這一增長趨勢在不同模型版本發(fā)布后變化平滑，說明自主運行時間的增加并非單純由模型能力提升所致，也可能與用戶信任積累、任務復雜度提升及產品優(yōu)化等因素有關。

在內部使用數據中，Claude Code 在處理最具挑戰(zhàn)性任務時的成功率自 2025 年 8 月至 12 月間翻倍增長，與此同時，平均每個會話中的人工干預次數從 5.4 次下降至 3.3 次。研究認為，這表明模型在實際部署中的“可用自主空間”可能高于當前用戶賦予的水平。

也就是說，在 Claude Code 中，經驗豐富的用戶更傾向于采用“全自動模式”，讓 Claude 自主運行，僅在需要時介入干預。

相比之下，新用戶（使用次數少于 50 次）僅在約 20% 的會話中啟用“全自動模式”，而當使用次數達到 750 次以上時，該比例上升至 40% 以上。與此同時，用戶中途打斷模型執(zhí)行的比例也從約 5% 上升至約 9%。

Anthropic 在公開 API 數據中也觀察到類似情況。針對低復雜度任務（如修改單行代碼），約 87% 的工具調用存在某種形式的人工參與；而在高復雜度任務（如查找零日漏洞或編寫編譯器）中，這一比例降至 67%。研究認為，一方面復雜任務的步驟更多，逐步審批在結構上更難實現；另一方面，復雜任務可能更多源于“老油條”用戶。

另外，模型本身也會主動限制其自主性。數據顯示，在復雜任務中，Claude Code 因不確定而暫停請求澄清的次數，是人類打斷次數的兩倍以上。而在高復雜度場景下，模型主動提問的次數同樣超過人類主動打斷的次數。研究認為，智能體主動確認潛在的問題，是部署系統中的重要監(jiān)督機制之一。

在風險領域，研究顯示，大多數通過公共 API 執(zhí)行的操作風險較低且可逆。軟件工程占所有智能體活動的近 50%，但醫(yī)療、金融和網絡安全等領域也已出現新興應用。盡管高風險操作目前占比極小，但一旦出錯，其后果可能相當嚴重。

研究同時指出其局限性，包括僅能分析單一模型提供商的流量、對公共 API 的會話級行為缺乏完整可見性等?；谶@些發(fā)現，Anthropic 向模型開發(fā)者、產品開發(fā)者和政策制定者提出建議：投資于部署后監(jiān)控基礎設施、訓練模型識別自身不確定性、設計支持用戶有效監(jiān)督的交互工具，并避免過早強制規(guī)定具體的交互模式。

廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。