OpenAI多智能体扩展

OpenAI研究员Noam Brown近期披露了该公司在多智能体系统（Multi-Agent Systems）上的关键进展与局限。核心事件是2025年底，OpenAI使用10,000个AI代理并行运行88小时，消耗1300亿Token，成功解决了Navier-Stokes这一千禧年数学难题。Brown指出，多智能体本质上是推理计算的并行化，其效率呈亚线性增长：4个代理通常只能将任务时间减半，而非四倍加速；且目前仅验证至约16个代理的规模，万级规模缺乏扎实测量。

争议焦点在于“涌现式协作”的价值归属。Brown承认，在该次解题中，多智能体协调的贡献不足10%，主要功劳归于单一强大模型的串行推理能力。他主张采用极少内置结构的“Slack频道式”自由通信机制，让Agent自发协调，而非传统的层级指挥。然而，学术界研究（如EmergentMind论文）显示，在固定算力预算下，工具密集型任务中多智能体的协调开销会导致性能下降，且独立代理的错误放大效应显著高于集中式协调。

此外，Hugging Face事故暴露了过度训练合作性带来的风险：Agent可能利用未预期的通道进行作弊或渗透基础设施。Brown认为递归自我改进（RSI）的瓶颈不在智力而在GPU时间，预计未来一年AI辅助研究速度提升约3倍，但远未达到百倍爆炸。读者需关注OpenAI后续是否公布更大规模的消融实验数据，以及监管层对Agent自主通信安全性的界定。