「快近兩倍」背後多讀了 3.8 倍快取：DeepSeek Super-agent 讓企業看清常駐 Agent 的真實帳單
一位 YouTube 創作者在影片開頭攤開自己的帳單：他用 Claude Code 協助一個約兩萬行程式碼的中型專案，一週就花了 47 美元。就在那幾天，DeepSeek 於十月三十一日開源了一套名為 Super-agent 的程式，Bloomberg 形容它是對 Anthropic Claude Code 的挑戰，影片標題隨即冠上「Claude Code 殺手」。
這位創作者讀了原始碼、文件與實驗數據，再自己算一遍。他的結論是，這既不是殺手，也不只是噱頭，而是值得認真看待的架構實驗；真正被忽略的，是它把常駐型 Agent 的成本結構攤開了。
對正在評估讓 AI 常駐團隊群組接單的台灣企業而言，重點不在 DeepSeek 贏了誰，而在於：當 Agent 從「有人叫才動」變成「整天待命」，帳單與資料風險的算法都會跟著改變。
它不是另一個寫程式的 Agent，而是坐在上面的派工主管
影片指出，Super-agent 的程式庫寫明是研究原型，版本 0.1、只有一次提交，並非正式產品，且架在尚無穩定版的 DeepSeek Harness 之上。
他認為多數比較都比錯了對象。Claude Code 是使用者在旁指揮的開發助手，使用者就是主管；Super-agent 則是主管本身，負責判斷哪些訊息算工作，再派給底下的執行者。Harness 甚至能讓 Claude Code 當它的下屬。他主張，真正該對照的是 Anthropic 六月推出、常駐 Slack 的 Claude Tag。
運作上，訊息先由一般程式檢查發送者與頻道是否在許可名單內，多數訊息不會碰到模型；通過的才交給整天不關閉的「路由」對話判斷是否為新工作，再開出獨立的工作者執行並提交 pull request。
「快近兩倍」的說法，大半來自一句提示詞
DeepSeek 自己的實驗中，第 95 百分位的任務時間從 29.5 分鐘降到 15.7 分鐘，這是「快近兩倍」的來源。但他指出，對照組是一個沒被要求分派工作的單一 Agent，五次實驗裡一次也沒有呼叫子代理。
同一份實驗還有一組被明確要求「先分派」的單一 Agent，中位數時間是 13.8 分鐘，Super-agent 則是 12.4 分鐘，差距約一成。他承認架構能壓住偶發的長尾延遲，但多數差距來自提示詞，而非架構。
真正的成本藏在「重讀」，而不是「回答」
影片著墨最多的，是一欄少有人引用的數據：每次執行的快取讀取 token。一般單一 Agent 約讀 600 萬，Super-agent 約 2,300 萬，約為 3.8 倍。原因是路由對話整天待命，每來一則訊息就重讀整段脈絡，工作者也各自帶著脈絡。
他據此試算，在 DeepSeek V4.1 Flash 上，一天的快取重讀約 7 美分；換成 Claude Opus 5.5 約 4.65 美元，且尚未產出任何內容。他也提醒，快取能存活多久同樣關鍵：Anthropic 預設五分鐘、付費延長可到一小時，DeepSeek 的快取存在磁碟上，可維持數小時到數天。常駐 Agent 大多時間閒置，這個差異會在每次長時間停頓後反映到帳單上。
本文的解讀是：常駐型 Agent 的成本，取決於架構與供應商快取規則是否匹配，只看每百萬 token 牌價容易低估。
預設值比功能表更該先檢查
他特別點出兩個設定。其一，Harness 內建的 session log 外掛在使用 DeepSeek 官方 API 時預設開啟，會把整段工作紀錄隨請求送出；這是文件公開記載、可關閉的選項，但 Super-agent 讀的是團隊聊天、issue 與審查留言。其二，路由與工作者以使用者本人的系統帳號與完整權限執行，官方建議另開只放 Agent 憑證的帳號。
相對地，自動合併預設關閉；即使開啟，也必須由另一個帳號核准，且變更少於 200 行。他形容這套設計「做什麼」保守，「能碰什麼」寬鬆。
台灣企業可以先帶走三個做法，而不必急著換模型
他認為其中有三個想法，換成任何模型都適用：
在模型讀取訊息之前，先用一般程式過濾發送者、頻道與訊息類型。
讓開出 pull request 的工作者直接訂閱後續討論，路由不必重看一遍。
對既有的單一 Agent，先在提示詞中要求它優先分派子任務。
回到那張 47 美元的帳單。他的結論是，問題常不在工具，而在我們用單線思維操作多線系統，還付錢讓模型讀不必讀的東西。對決策者而言，導入常駐 Agent 前，與其追問哪個模型最強，不如先算清楚它每天要重讀多少內容、資料預設送往何處。把這筆帳攤開來看，也正是導入常駐 Agent 前最該先釐清的課題。
資料來源與編輯註記
來源影片標題：Deepseek Just Drops a Claude Code Rival (Super Agent)
頻道：Kai
影片網址：https://www.youtube.com/watch?v=hwRu-ehkzCw
發布日期：2026-11-03
擷取時觀看次數：22,905 次（2026-11-04 上午 9 點 50 分左右，台北時間擷取）
編輯註記：本文為編輯整理之評析文章，改寫並轉述上述影片內容，非逐字翻譯。文中實驗與時間數據為 DeepSeek 自行公布、於模擬工作負載上取得，價格為影片作者引述；標示「本文的解讀」之段落為本站分析。
延伸閱讀
立即行動
常駐 Agent 的真實成本，常藏在反覆讀取的快取與不必送出的紀錄裡。導入前先算清楚每天要重讀多少內容、資料預設送往何處，比急著換模型更關鍵。若要把各模型用量與費用集中攤開，可參考 AI Token King。
留言