2026 年 6 月 11 日，Anthropic 宣布与 DXC Technology 建立一项多年联盟，把 Claude 带进那些“快速行动”通常意味着“先写好回滚方案”的系统里。DXC 称，Claude 已经成为 DXC OASIS 代理式工作流的默认基础模型；Claude 帮助 OASIS 软件交付速度预计提升了 10 倍；并且在工程师审查之前，超过 95% 的 OASIS 代码由 Claude 生成（Anthropic，PRNewswire）。
有意思的是这一点。不是“AI 写代码”。这个演示大家都见过。真正的故事是，DXC 正在把代理式代码生成带进银行、航空公司、保险公司、制造商和政府机构。在这些地方，真正难的问题是依赖考古、发布治理、可审计性、安全性，以及别把一个凌晨 2 点清算真钱的 30 年老批处理流程弄崩。
信号：AI 进入托管服务层
DXC 于 2026 年 4 月 28 日推出 OASIS，定位为面向托管服务的智能编排平台。它公开说明的职责，是作为一个受治理、安全的层，横跨组织现有 IT 资产，把运维从被动支持转向实时执行（DXC）。
这很重要，因为受监管行业的现代化，很少从一个干净的 repo 和一个全新的目标系统开始。它通常始于：
- 没人完全负责的批处理作业
- 早就过了正常支持窗口的应用服务器
- COBOL、Java EE、PL/SQL、shell，以及供应商工作流胶水代码
- 一部分写在代码里、一部分写在 runbook 里的合规控制
- 与支付、理赔、订票、库存、身份或案件管理系统之间脆弱的集成
把 Claude 放进 OASIS，意味着 DXC 并不是把模型当作工作旁边的聊天机器人。它是在把模型放进已经理解事故、变更窗口、工单上下文、runbook、环境和客户约束的编排工作流里。这就是“生成一个重构”和“生成一个能扛过 CAB 审查的重构”之间的差别。
Anthropic 表示，DXC 将通过 Anthropic Academy 培训数万名获得 Claude 认证的一线部署工程师，DXC 还会加入自己的关键任务系统课程（Anthropic）。这个方向是对的。受监管的现代化需要能读懂系统的人，而不是提示词游客。
开发者该借鉴什么
即便你不在 DXC 这种规模的公司工作，DXC 的模式也有价值。教训不是“让模型接管 repo”。教训是：把模型工作包在一个工作流里，让上下文、约束、审查和证据成为一等对象。
一个实用的遗留现代化代理，不该从“把这个服务改写成 Go”开始。它应该从一个受约束的计划开始：
1. Inventory modules, entry points, data stores, and external contracts.
2. Identify dead code and risk hotspots.
3. Propose the smallest behavior-preserving refactor.
4. Generate tests around current behavior before changing code.
5. Open a reviewable patch with traceable rationale.
6. Attach evidence: tests, static analysis, dependency impact, rollback notes.听起来很无聊。很好。受监管系统就是靠无聊的方式完成变更的。
DXC 公开的数据很激进：软件交付速度预计提升 10 倍，OASIS 中超过 95% 的代码由 Claude 生成，再由工程师审查（Anthropic）。这些应被视为特定部署下的说法，而不是普适的生产力常数。对开发者来说，重点是运行模式：模型贡献占比高、强制人工审查，以及一个会记录工作的基础平台。
对银行核心系统迁移来说，这可能意味着代理去映射交易流并生成特征化测试。对航空公司来说，代理可能会在保留外部消息格式的同时，理顺订票或维修工作流。对保险公司来说，它们可以把保单管理规则与理赔行为进行比对。对制造商来说，它们可以在动代码之前追踪 ERP、MES 和供应链依赖。
模型选择正在变成架构决策
在 DXC 公告前两天，Anthropic 于 2026 年 6 月 9 日发布了 Claude Fable 5 和 Claude Mythos 5。Fable 5 是 Anthropic 普遍可用的 Mythos 级模型，而 Mythos 5 通过 Project Glasswing 和可信访问计划受限开放。Anthropic 列出的 Fable 5 价格为每百万输入 token 10 美元、每百万输出 token 50 美元；当前 API 文档中，它拥有 1M-token 上下文窗口和 128k 最大输出（Anthropic，Claude Docs）。
Anthropic 模型概览中的一份简明价格快照：
| Model | 输入 | 输出 | 上下文 | 最大输出 |
|---|---|---|---|---|
| Claude Fable 5 | $10 / MTok | $50 / MTok | 1M tokens | 128k |
| Claude Opus 4.8 | $5 / MTok | $25 / MTok | 1M tokens | 128k |
| Claude Sonnet 4.6 | $3 / MTok | $15 / MTok | 1M tokens | 64k |
| Claude Haiku 4.5 | $1 / MTok | $5 / MTok | 200k tokens | 64k |
错误的结论是“永远用最强模型”。更好的架构是模型路由。
把最强模型用于系统级推理：依赖发现、迁移规划、不熟悉的框架、跨 repo 重构和故障分析。把更便宜的模型用于摘要、简单测试生成、文档清理和机械性编辑。给两者都套上确定性工具：编译器、测试运行器、schema diff 工具、SAST、SBOM 生成和策略检查。
Anthropic 还表示，Fable 5 内置了防护机制，在某些网络安全、生物、化学或蒸馏相关请求上会回退到 Claude Opus 4.8；早期数据显示，超过 95% 的 Fable 会话没有触发回退（Anthropic）。对受监管开发者来说，这不是脚注。如果一个工作流涉及安全修复、漏洞分析或敏感研究，你的代理运行时就需要检测模型回退、记录下来，并判断最终输出是否仍然达到你的保障标准。
人工审查是产品，不是税
“超过 95% 的代码由 Claude 生成”会登上标题。“然后由软件工程师审查”才是让它可部署的部分。
在受监管的现代化里，审查不是走过场的 pull request 批准。它必须回答具体问题：
- 行为是否发生变化？测试证据在哪里？
- 哪些数据契约、schema、API 和批处理文件被触及？
- 这个 patch 是否改变了授权、留存、日志或审计轨迹？
- 有没有回滚路径？
- 六个月后，非作者能否理解这个变更为什么存在？
这正是代理工作流胜过松散聊天的地方。好的工作流可以强制每个生成的 patch 都携带自己的解释、测试计划、风险分类和受影响系统地图。它还可以在模型没有检查依赖服务时，或生成的测试只证明了 happy path 时，阻止合并。
开发者技能会从敲出每一行代码，转向设计可审查的工作包。这仍然是工程。在很多遗留资产里，这恰恰是过去缺失的工程。
一个代理式现代化的小模式
如果是我在一个受监管的软件团队内部构建这套东西，我会要求每个现代化任务在代码审查前产出四个工件：
inventory.md：入口点、依赖、配置、数据存储、外部契约。risk.md：受影响的业务流程、触及的合规控制、回滚说明。tests/：锁定当前行为的特征化测试。patch.diff：最小的、保持行为不变的变更。
模型可以生成这四样东西。工程师应该审查这四样东西。CI 应该强制执行那些无聊的部分。
对于本地实验，Claude Fable 5 也可以通过 OneHop 作为即插即用的 Anthropic Messages 端点使用。OneHop 的 Fable 5 页面目前列出的 endpoint 是 https://api.onehop.ai/anthropic，模型名是 anthropic/claude-fable-5，新账号有 10 美元额度且无需绑卡；页面展示的促销价为每百万 token 输入 5 美元、输出 25 美元，比 Anthropic 的 10/50 美元标价低 30% 以上（OneHop）。
from anthropic import Anthropic
client = Anthropic(
base_url="https://api.onehop.ai/anthropic",
api_key="<ONEHOP_KEY>",
)
message = client.messages.create(
model="anthropic/claude-fable-5",
max_tokens=1024,
messages=[{"role": "user", "content": "Map risks in this legacy migration plan."}],
)把这种 endpoint 用于原型和评估 harness。对于生产级受监管工作负载，难点仍然是你的控制：数据处理、留存、访问、证据、模型路由和人工签署。
真正的赌注：现代化变成连续过程
大多数企业把遗留现代化当成十年一次的大项目。大预算。大 SI。大风险。然后新平台从上线第一天就开始变老。
DXC 的 OASIS 故事指向一个更好的模式：把现代化做成连续的托管服务工作流。代理检查、提议、测试、重构、写文档，并把工作路由给工程师。工程师审查、约束并批准。平台保留证据。系统以更小、更安全的增量持续改善。
这就是为什么这个联盟值得关注。真正有用的问题不是 Claude 能不能写代码。它能。真正有用的问题是，一个组织能否把生成的代码转化为受治理、可审查、可安全上生产的变更，并且横跨那些不能停机的系统。
DXC 声称已经有早期证据表明，这件事可以在严肃规模上运行：遍布 70 个国家的 115,000 名员工，OASIS 已在超过 50 家客户中投入生产，计划培养数万名获得 Claude 认证的一线部署工程师，并且 Claude 是 OASIS 代理式工作流中的默认模型（Anthropic，PRNewswire）。
对开发者来说，方向很清楚：别再把 AI 当作自动补全。开始设计会留下测试、diff、解释和审计轨迹的代理工作流。这正是遗留现代化一直需要的东西。模型终于让文书工作和代码搬运动作便宜到可以持续做。
如果你想在不搭完整企业栈的情况下测试模型路由这一侧，可以从一个范围很窄的 repo、一个特征化测试任务，以及类似 Claude Fable 5 on OneHop 的 Fable 5 endpoint 开始。保留人工审查门禁。衡量被接受的 diff、失败的测试、审查时间、回滚质量，以及每次合并变更的成本。然后再决定这个工作流是否配得上更大的系统。
