10 個記憶檔對 413 個：Claude 的做夢研究，把 AI 運算拆成醒與睡兩本帳

在《寶可夢紅》的測試裡，兩個模型交出了相反的成績單。Claude Fable 5 全程只維護 10 個記憶檔，拿下 4 枚徽章；Sonnet 3.7 陸續寫下 413 個檔案，只換到 1 枚。約四十一倍的記憶量，換來四分之一的成果。

這組數字出自 Anthropic 在 2026 年 11 月 6 日發布的研究《The components of agent memory》。文章拆解 Claude 代理跨會話記憶的運作方式，並提出「做夢」（dreaming）機制：模型利用兩次互動之間的空檔回顧日誌、修正錯誤、提煉規則、更新知識庫，模仿人腦在睡眠中整理記憶的過程。表面上這是一篇能力報告，攤開數字後更像一份成本研究。記憶的寫入、儲存、注入與離線整理，各有計價單位，而這些單位開始決定代理產品的毛利結構。

四層記憶，四種計價單位

研究將代理記憶分為四層：會話日誌、記憶筆記、知識表徵（如 Wiki）、注入上下文。四層的差別，在於寫入成本與攜帶成本的分配。

會話日誌是原始記錄，寫入近乎免費，體積卻隨任務長度線性膨脹；要把整份日誌帶進下一次對話，按 token 計費的帳單會立刻反映。記憶筆記經過篩選，寫入時支付一次整理運算，攜帶時只佔少量 token。知識表徵的生成成本最高，需要多輪整理才能從日誌長出結構，但一旦成形，單次呼叫的邊際成本最低。注入上下文是最終進入模型的份量，也是每次呼叫都要重付的科目。

10 對 413 的差距就落在這條階梯上。每個記憶檔在每次會話被注入時都要重付 token，413 個檔案等於把攜帶成本乘上約四十一倍，還稀釋了真正有用的規則。Anthropic 的結論是優先儲存策略、計畫與經過測試的規則，不斷變動的螢幕狀態留在日誌層即可。換成財務語言，記憶寫入是一筆資本支出，該問的是這筆支出未來會被攤提幾次。

做夢是一道離線工序

「做夢」的位置在兩次互動之間。模型趁空檔回顧會話日誌，比對、糾錯，把零散經驗改寫成可複用的規則。研究記錄了一個糾錯案例：Claude 把寶可夢中心的位置記錯，在原地反覆折返；系統比對原始日誌修正這條記憶後，該次運行才抵達下一座城市，未修正的對照運行始終沒有完成目標。

研究對記憶的定義值得單獨摘出：記憶本質上是一種對未來的預測。

報酬端有數字。在持續學習基準 CL-Bench 的資料庫問答任務上，Claude Opus 5.5 啟用記憶後平均得分 0.838，無記憶基線為 0.655，差距 18.3 個百分點；Sonnet 5.5 從 0.644 升至 0.833，差距 18.9 個百分點。研究同時觀察到，能力較強的模型能自主跑完失敗、反思、驗證、總結規則的循環。記憶機制放大了既有的模型差距，同一套架構裝在旗艦與中階模型上，拉開的幅度並不相同，這對分層計費的產品線是直接輸入。

六十四倍整理換三點七倍達標

企業場景的實驗給出最像成本曲線的一段。約 35 萬份企業文件，讓 Claude 透過多輪做夢逐步構建 Wiki：做夢從 2 次會話擴大到 128 次，25 道問題的達標率從 13% 升至 48%；再將 Wiki 與搜尋工具結合，綜合得分從 54% 升至 61%。

兩端相除，離線整理的投入放大 64 倍，達標率放大約 3.7 倍，後段還要靠搜尋工具補上 7 個百分點。離線運算買到的正確率，邊際產出明顯遞減，整理到第幾輪該停，是預算問題。

把整理排進離線時段，在運算史上並不新鮮。大型主機時代的夜間批次、資料倉儲年代的隔夜 ETL、資料庫在離峯時段重整索引，都是同一類調度：互動路徑追求低延遲，整理交給空檔產能。這一回的差別在於，被整理的是模型自己的經驗，執行整理的也是模型自己。神經科學裡睡眠期間記憶重播的觀察提供了命名靈感，商業上的重點是那條調度線：互動運算與離線運算，從此分開列帳。對算力供應商來說，這是多出來的一個可排程負載類別；在AI 監管風險被寫進估值的那次長黑之後，資本支出帳上的每一欄新增，市場都會重新計價。

受惠與承壓的兩份名單

運算端先受益。做夢讓每個代理的運算量分成兩欄：互動時的即時推理，加上空檔的離線整理。代理規模一旦上量，離線整理就是新增需求，而且特性偏向批次、可排程，適合填補 GPU 叢集的空檔，拉高整體使用率。

平臺端拿到的是留客工具。記憶筆記與 Wiki 是使用者專屬資產，累積愈久，搬到另一家供應商的重建成本愈高。計費單位因此有機會從單純的 token，轉向按代理、按記憶容量或按整理輪數的訂閱結構。

承壓的一端在仲介層。35 萬份文件的實驗顯示，代理自己長出的 Wiki 加上搜尋工具，就能把綜合得分推到 61%。檢索編排與企業知識管理軟體的加值空間被壓縮：知識庫自動構建曾是這些產品的收費項目，如今成了模型的副產品。當代理能力快速跌價，可收費的層次跟著移動，方向與DeepSeek Agent 教學頁上的零元技術棧一致：免費的部份愈來愈多，留下來收費的是整理、治理與長期儲存。

三種情境

產品化順利的情境裡，供應商把做夢包成計價功能，企業版按整理輪數與記憶容量收費；離線運算填補雲端空檔，代理續約率隨記憶累積上升，檢索仲介與知識管理工具加速被併入平臺。

成本門檻浮現的情境裡，64 倍投入換 3.7 倍達標的邊際曲線若無法改善，只有高價值工作負載負擔得起完整整理；消費級代理拿到刪減版，旗艦與中階模型的差距再被記憶品質拉開，市場分層加深。

錯誤累積的情境裡，治理成本先行。糾錯靠比對原始日誌完成，本身就是額外運算；一旦修正速度趕不上錯誤寫入，錯誤規則會隨 Wiki 攤提到後續每次任務。可稽核的記憶、寫入審核與回滾機制將成為採購要求，供應商的成本表多出一列品質保證支出。

Anthropic 自己列出的未解題目是何時寫入、如何更新、如何避免錯誤累積。做夢能否讓代理更聰明，資料已經給出答案；能否讓供應商更賺錢，取決於篩選與整理的成本曲線哪一端先被壓下來。