Anthropic 发布常驻智能体 Claude Duet，由 Opus 5.5 驱动

Anthropic 今天发布了 Claude Duet，一个主动型 AI 智能体，它监控已连接的应用、浮现提醒并执行任务，而不必等用户打开聊天窗口。它通过等候名单立即向美国的 Claude Pro 和 Max 订户开放，覆盖 iOS、Android 和 claude.ai；Duet 由 Claude Opus 5.5 驱动，运行在一台专用的云虚拟机上 —— 意味着你关掉手机后它仍在工作。这个研究预览版除现有订阅费用外不另收费，不过后台检查和晨间简报会消耗套餐用量额度。

此次发布完成了每一家美国主要 AI 实验室冲入一个新形成产品类别的六周冲刺。Meta 的 Muse 智能体于 9 月 8 日和 9 日最先到来，由 Muse Spark 驱动。OpenAI 在 DevDay 推出 Dots，于 9 月 29 日，背后是 GPT-6 Astra 和 4000 多个集成应用。Google 在其 2026 年 5 月的 I/O 开发者大会上宣布了 Gemini Spark，微软则另外为其企业版 Copilot 套件勾勒了 Autopilot 能力。Anthropic 在四大实验室中最后入场，把自己的立场押在一个具体主张上：Opus 5.5 是第一个判断力足以在没有持续指令的情况下主动代表用户行动的语言模型。

这一判断力主张在真实世界条件下是否成立，是这个产品的核心问题 —— 它在设计上大体运行于用户视线之外。

Anthropic 是六周内第四家进入主动智能体竞赛的实验室

把 Claude Duet 描述为一个新类别会误读这个竞争时刻。到 Duet 今天开放等候名单时，「常驻 AI 智能体」这一类别已经被争夺了四十三天。Anthropic 实际在回答的问题不是主动智能体是否可行 —— Meta 和 OpenAI 已经声称它可行 —— 而是它自己的模型是否有把这件事做得更好的校准。

连接器生态是 Anthropic 提出其最具体竞争主张的地方。Claude Marketplace目前提供 6000 多个连接器和插件，超过 OpenAI 为 Dots 披露的 4000 多个应用。两个数字都是公司自报的，且都未经独立审计。连接器的类别也很重要：Duet 的发布突出 Gmail、Slack、Stripe、Gusto、DocuSign、QuickBooks、HubSpot 和 Shopify 作为关键集成 —— 表明其主要目标是小企业和独立专业人士群体，而非深度企业 IT 工作流。

时机上的劣势是双刃剑。Anthropic 在竞争者已确立类别预期之后入场，意味着它从第一天起就面临比较压力。但它也是在那些竞争者已识别出早期摩擦点 —— 从通知校准到审批 UI —— 之后入场的，Duet 可以在正式开放之前从中学习。

对现有的 Claude Pro 和 Max 订户来说，Duet 最有意义的优势也许是架构层面而非功能层面的：Duet 继承用户现有的 Claude 账户状态，包括长期记忆、自定义技能和已授权的第三方应用。一个花了几个月配置 Claude 记忆、安装连接器的 Pro 订户，得到的是一个已经了解自己的主动智能体。一个采用 Dots 或 Muse 的新用户则从一份空白档案开始。

延伸阅读：OpenAI 给 ChatGPT Pro 加入并行智能体，GPT-6 可同时处理多任务

Opus 5.5 的判断力主张支撑着 Duet 的主动架构

过去六周发布的每一个主动智能体产品，都以相同的方式框定了同一个工程挑战：模型必须决定何时打断用户、何时等待。打断太频繁，智能体就成了麻烦。打断太有选择性，用户就会错过本需要的东西。

Instagram 联合创始人、Anthropic 首席产品官Mike Krieger 指出，Opus 5.5 的校准是 Anthropic 选择它而非更轻、更快的选项来驱动 Duet 的核心原因。据 Anthropic 的发布材料，公司相信 Opus 5.5 具备决定何时主动代表用户行动所需的判断力 —— 这是其产品线中此前任何模型都未被设计来自主处理的决策门槛。这是公司主张，而非独立评估。

9 月 22 日发布的 Opus 5.5，当时被定位为相对前代的重大一步：运行成本低 40%、快 30%、试图绕过用量限制的可能性低 85% —— 最后这项指标对一个跨已授权账户自主运行的智能体尤其相关。Anthropic 把它的表现描述为与公司以安全为重的前沿模型 Fable 5.1 相当。上下文窗口达到 100 万 token，每次调用最大输出 128000 token，使 Duet 能在一次推理中吸纳并跨数月的邮件、文档和交易历史进行推理。

定价结构反映了 Opus 5.5 为长时间自主使用的定位：通过 API 每百万输入 token 4 美元、每百万输出 token 20 美元。对一个经常读取大量已连接数据 —— 整个收件箱、一本记账簿、一段 CRM 历史 —— 的智能体来说，输入成本占主导。公司声称相对 Opus 5 成本降低 40%，这与运行持续后台检查的经济性直接相关。

判断力这一框定也揭示了模型被要求做的、早先语言模型未被要求做的事。一个被动助手有一个简单的决策函数：把问题答好。一个主动智能体有一个更复杂的：从无界的上下文中判断，它能浮现的数百件事里，哪一件现在值得浮现。在任一方向上搞错 —— 太吵或太静 —— 都会从根本上削弱产品。业界尚未像为推理或编码任务那样为智能体校准质量确立基准，这意味着 Anthropic 的「足够判断力」框定目前无法对照一个标准测试被独立验证。

一台云虚拟机让 Duet 在你关掉手机后继续工作

把 Duet 与传统 AI 助手区分开来的基础设施架构，是一台带有自己浏览器的专用云虚拟机。当 Duet 收到一个任务 —— 或经由自己的监控决定某个任务需要完成 —— 它在 Anthropic 的云环境中执行。用户的设备不需要开着。

这一设计选择带有超越便利的实际和技术含义。实际上，它让 Duet 能跑通宵处理、接住凌晨 3 点的 Slack 消息、编好晨间简报，并在用户查看手机之前作为推送通知送达 —— 而无需耗电，也无需在一个被主动管理以限制此类耗电的移动操作系统上运行后台进程。

技术上，这意味着 Duet 的浏览器访问是对缺乏原生连接器的服务的兜底。如果用户需要的某个平台不在 Claude Marketplace 里，Duet 可以尝试直接通过浏览器与之交互，像人类用户那样行事，使用视觉界面而非 API。这既是一项能力，也是一个风险面：基于浏览器的自动化本质上比原生连接器集成更脆弱，当网站更新布局或实施机器人检测时可能失败。

这套安全架构与执行环境并行运行。一个专用的安全分类器监控 Duet 的活动，并与一个安全系统提示一同运作，后者旨在防止来自一个已连接账户的敏感信息泄露到另一个集成可能访问的上下文中。Anthropic 表示，Duet 从不直接访问用户密码或登录凭据；连接是在 Claude Marketplace 内通过 OAuth 式的授权流程建立的。

审批框架定义了 Duet 自主性的终点。四类行动在执行前需要用户明确确认：发送消息、发起付款（通过 Link、Stripe 的数字钱包或 Shopify 的 Shop Pay 处理）、签署文档和删除内容。第五类无论是否获批都被永久禁止：买卖证券或在账户之间转移资金。这些永久禁止直接对应最可能触发金融监管或同意法冲突的行动类型。

在 Anthropic 的发布演示中，智能体的校准表现为一种具体的晨间简报格式。一个名叫 Maya 的虚构咖啡品牌经营者，芝加哥门店距开业还有二十六天，收到一条综合了所有活跃线程的晨间消息：开业清单上的四十一个事项被缩减为当天需要她输入的两个 —— 一份带 640 美元申请费、等待付款授权的卫生许可申请，和一张需要她判断的路演幻灯片。智能体已经填好了许可表格；它在付款步骤等待。Duet 还识别出订阅取消率在一次运费调整后从 2.6% 升到 3.4%，并提议测试满 40 美元免运费的门槛。店主用两个字批准了它。这些是示意性的演示数字，而非报告的业务结果，但它们描绘的交互架构 —— 浮现行动、暂停等批准、继续 —— 反映了实际的产品设计。

六千个连接器和一条持续的线程

Duet 能做什么的功能范围主要由其连接器层定义。Claude Marketplace 的集成覆盖现代小企业或专业人士的核心软件栈：Gmail 用于通信、Slack 用于团队消息、Stripe 用于支付处理、Gusto 用于薪资和 HR、DocuSign 用于文档签署、QuickBooks 用于会计、HubSpot 用于客户关系管理、Shopify 用于电商。6000 多个连接器这一数字想必包括这些旗舰集成之外的长尾专门工具。

单线程模型是对传统 AI 聊天产品的结构性背离。与 Claude Duet 的所有交互 —— 无论由用户发起还是由 Duet 发起 —— 都发生在一条连续的对话线程内。这在架构上意义重大：它意味着 Duet 跨其主动活动和用户回应的历史维护一个统一的上下文窗口，而不是把每次交互当作一次全新的会话。实际后果是，Duet 建立起的，相当于你跨所有已连接应用的工作生活的一份运行日志 —— 而模型在做新判断时可以引用那份累积的上下文。

三位测试用户在 Anthropic 的发布材料中描述了产品的早期用途。Pro Homes 的经纪人兼业主 Jess Provencher 说，Duet 在她想到去查之前就识别出了一个排期冲突 —— 一次看房被订在了错误的日期。管理 Shahs of Kabob 各门店约 110 名员工的南佛罗里达餐厅经营者 Amin Ebrahimi 说，Duet 处理会计、客服和市场研究，免去了他为跨多家门店审阅发票而维持并行浏览器会话的需要。品牌策略师 Mya Dalton 描述 Duet 在准备会前简报时发现了一趟起飞航班与一个客户电话之间的冲突，随后提出改期该电话。

两名 Anthropic 员工描述了内部测试中的个人工作流，收入公司的发布材料。领导 Claude Code 开发的 Boris Cherny 开始在散步时口头向 Duet 口述待办清单，Duet 路由任务而不要求他停下或打字。负责模型和产品行为设计的 Chelsea Larsson 报告，在处理照看孩子的事务时用 Duet 卸下她的任务清单，并在一天结束时收到一份汇编好的结果报告。

这些轶事描述的是 Duet 按设计运作。它们没有描述失败，而在现阶段，失败恰恰是潜在用户尚无法评估的东西。

Duet 还做不到什么：轮询间隔、缺失的 Microsoft 365 和额度消耗

Anthropic 自己的发布材料披露了几项约束，它们比其能力清单更精确地定义了产品当前的边界。

后台检查以小时计的间隔发生，而非实时。Anthropic 陈述的理由是持续监控会耗尽订户的套餐用量限制；轮询节奏是在响应性与资源消耗之间的刻意平衡。实际后果是，在两次轮询之间到达的时间敏感动态 —— 一次报价被接受、一宗升级的客户投诉、一条带时间戳的监管通知 —— 可能要到下一次计划检查时才浮现。晨间简报要反映前一晚的实际事件，那些事件必须发生在通宵轮询运行之前。

后台检查和晨间简报计入用户现有的 Pro 或 Max 订阅额度。Duet 不在一份单独的配额上运作；它为监控、综合和任务准备处理的每一个 token 都从与普通 Claude 对话相同的预算中支取。经常接近套餐上限的重度用户可能发现 Duet 的后台活动压缩了可用于直接交互的额度。

Slack 集成被描述为可用但范围有限。Microsoft 365 —— 涵盖 Outlook、Teams、OneDrive、Word 和 Excel —— 在发布时不受支持。对主要工作环境是微软生产力套件的专业人士来说，Duet 在当前状态下的实际用途大幅降低。鉴于微软在 Copilot 内有自己的 Autopilot 智能体计划，缺少 Microsoft 365 集成可能既反映技术优先级选择，也反映竞争考量。

Anthropic 也承认主动设计固有的一个定性局限：Duet 可能误读线程上下文，或对特定事项的紧急程度校准失误。对那些开始依赖它的用户来说，一个偶尔浮现错误事项 —— 或漏掉重要事项 —— 的监控系统，比完全没有监控更糟。挑战在于跨真实用户带给它的全部多样语境保持校准。

用户无法在 Duet 执行任务时观察它的云浏览器。执行环境在实时上是不透明的；用户看到结果、审批提示和晨间简报摘要，但看不到 Duet 在其虚拟机内采取的中间步骤。这既是一个可用性约束，对某些用户也是一个信任约束：系统在执行时没有可见的审计轨迹就行动了。

延伸阅读：Azure 目录现 Anthropic Fable 5.5，新模型瞄准目标推断

研究预览的范围，以及通往团队与企业采用的路

Duet 今天的发布被明确界定为研究预览。等候名单的形式限制了访问速度，同时 Anthropic 从一个受控的 Pro 和 Max 订户初始群体中收集校准数据。研究预览期除现有订阅费用外没有宣布任何定价。

团队版和企业版套餐不在当前的推出范围内。对 Anthropic 而言，这代表商业市场的相当一部分：拥有结构化工作流、合规要求和 IT 审批流程的组织，恰恰是一个横跨会计、HR、合同和付款的主动智能体能产生最切实业务价值的群体。发布时缺少团队/企业支持，可能反映那些部署所需的额外安全、可审计性和管理控制，或只是一种先优先消费者反馈、再做组织部署的分阶段推出。

可用性目前仅限美国。国际扩展的时间尚未宣布。

Anthropic 已表示即将发布一篇安全博客文章，记录 Duet 行动边界背后的技术推理和安全分类器的设计。那篇文章将很重要：永久禁止和需审批的类别代表着关于自主 AI 行动应在何处止步的判断，而公司对这些选择的公开论证，将在监管者开始审视拥有付款和通信权限的自主 AI 智能体时成为一份有意义的参考文件。

主动智能体类别现在有来自四家主要实验室的四个具名产品，全部在五个月内发布或宣布。连接器生态看起来是最早的差异化点，对用户最易读、随时间也最可防守：更大的连接器数量随着更多工作流集成点可用而产生网络效应，而随着用户授权更多连接、积累特定于某平台的智能体记忆，切换成本也累积起来。Duet 6000 个连接器的领先能否转化为持久的留存 —— 还是 OpenAI 的 Dots 会在正式开放前缩小差距 —— 取决于两家公司各自扩展其市场的速度，以及最终，取决于 Opus 5.5 的判断力主张能否经受住与用户实际交给它的全部事务的接触。