谷歌MIT聯手：首個智能體Scaling Law出爐，盲目堆Agent性能暴跌70%

↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新

AI圈里一直流傳著一句信條：“More agents is all you need”（智能體越多越好）。

大家的直覺很簡單：一個諸葛亮不夠，那就找三個臭皮匠來湊。甚至有人覺得，只要我把一堆AI拉進一個群里，讓它們互相討論、投票，無論什么任務都能做得更好

但現在，Google Research、DeepMind聯合MIT的一項重磅研究，給這個想法潑了一盆冷水

paper：

https://arxiv.org/pdf/2512.08296

他們做了一場史上最嚴苛的壓力測試，結果發現了一個反直覺的真相：

盲目組建AI團隊，不僅不能提升能力，甚至可能把原本聰明的模型搞成“人工智障”，性能暴跌70%。

為此，研究團隊總結出了一套 “智能體Scaling Law”，這是第一套能幫你算清楚“到底該單干還是群毆”的數學公式

為了搞清楚AI協作的真相，研究人員沒有只測一種模型，而是把市面上最強的三大模型——OpenAI (GPT系列)、Google (Gemini系列)、Anthropic (Claude系列) 全部拉上了擂臺

他們設計了180種不同的配置，不僅有單打獨斗的（單智能體），還有四種不同的“組隊模式”：

1.各自為戰： 大家各干各的，最后湊一起。
2.中心化指揮： 有個“經理”負責分派任務和檢查。
3.去中心化討論：大家圍成一圈開會，互相辯論。
4.混合模式：既有經理，底下人也能私聊

為了公平，不管是單人還是團隊，手里能花的錢（Token預算）和能用的工具都是一樣的

測試結果出來后，呈現出了極端的兩極分化，就像兩個平行宇宙。

宇宙一：人多力量大

在 金融分析（Finance-Agent）這類任務里，多智能體簡直殺瘋了

因為金融任務可以拆得非常細，比如A查財報，B看K線，C做風控，最后匯總。在這種場景下，找個“經理”來指揮（中心化架構），性能直接比單干提升了80.9%

宇宙二：人多即地獄

但在“規劃任務”（PlanCraft，比如在Minecraft里合成物品）里，情況完全失控

這類任務講究邏輯的連貫性：你得先砍樹，才能做木板，再做工作臺。步驟環環相扣

結果研究發現，只要引入協作，所有多智能體架構全部崩盤
因為大家七嘴八舌地討論打斷了推理的連貫性，把寶貴的計算資源都浪費在了溝通上。比起單干，性能最高暴跌了70%

還有個中間派：

模擬真實職場打工（Workbench）的任務，結果顯示，這就屬于費力不討好。折騰半天組建團隊，最好的結果也就提升了5.7%，甚至有的架構還倒退了

為什么會出現這種差異？研究團隊通過那套Scaling Law公式，像法醫一樣解剖了背后的原因，找到了三條鐵律：

鐵律1：工具越重，開會越廢（工具-協作權衡）

想象一下，如果一個工匠要用16種不同的錘子和鋸子干活

單干時，他拿起工具就干。但如果是個團隊，每換個工具都要跟隊友確認、同步信息

數據顯示，任務需要的工具越多，協作帶來的內耗就越嚴重。在這種“重工具”場景下，把資源花在溝通上簡直是浪費，不如留給單人去思考

鐵律2：高手不需要隊友（能力飽和）

研究劃定了一條殘酷的“紅線”：45%。

如果一個單智能體自己做這道題的準確率已經超過了45%，那么給它加隊友往往是負收益

就像學霸做題，自己做能得90分。非要給他配幾個60分的隊友在旁邊指指點點，最后成績反而會被拉低。

鐵律3：沒經理的團隊是災難（錯誤放大）

這是最嚇人的數據

如果你讓一群AI各自跑結果（獨立架構），卻沒人負責檢查，錯誤率會被放大17.2倍！

因為一個AI犯了錯，沒糾正，另一個AI接著錯，最后錯上加錯

只有引入“中心化”的經理角色，強制進行檢查驗證，才能把錯誤控制住（只放大4.4倍）

結論：算好這筆賬

這項研究最大的貢獻，就是告訴大家：別迷信人海戰術了

Google和MIT把這些發現濃縮成了一個預測模型。現在，只要你輸入三個數據：

1. 1. 模型本身聰不聰明？

2. 2. 任務要用多少工具？

3. 3. 這任務能不能拆解？

這個公式就能以87%的準確率告訴你：該單干，還是該組隊

簡單來說，這就是一本AI算力經濟學：在預算有限的情況下，把算力花在讓一個大腦深思熟慮上，往往比讓一群大腦開會吵架更劃算——除非，你真的有一個好經理和容易拆分的任務

--end--

最后記得??我，每天都在更新：歡迎點贊轉發推薦評論，別忘了關注我