谷歌MIT聯(lián)手：首個(gè)智能體Scaling Law出爐，盲目堆Agent性能暴跌70%

↑閱讀之前記得關(guān)注+星標(biāo)??，，每天才能第一時(shí)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(gè)諸葛亮不夠，那就找三個(gè)臭皮匠來湊。甚至有人覺得，只要我把一堆AI拉進(jìn)一個(gè)群里，讓它們互相討論、投票，無論什么任務(wù)都能做得更好

但現(xiàn)在，Google Research、DeepMind聯(lián)合MIT的一項(xiàng)重磅研究，給這個(gè)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(yán)苛的壓力測試，結(jié)果發(fā)現(xiàn)了一個(gè)反直覺的真相：

盲目組建AI團(tuán)隊(duì)，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(tuán)隊(duì)總結(jié)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(shù)學(xué)公式

為了搞清楚AI協(xié)作的真相，研究人員沒有只測一種模型，而是把市面上最強(qiáng)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(shè)計(jì)了180種不同的配置，不僅有單打獨(dú)斗的（單智能體），還有四種不同的“組隊(duì)模式”：

1.各自為戰(zhàn)： 大家各干各的，最后湊一起。
2.中心化指揮： 有個(gè)“經(jīng)理”負(fù)責(zé)分派任務(wù)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(jīng)理，底下人也能私聊

為了公平，不管是單人還是團(tuán)隊(duì)，手里能花的錢（Token預(yù)算）和能用的工具都是一樣的

測試結(jié)果出來后，呈現(xiàn)出了極端的兩極分化，就像兩個(gè)平行宇宙。

宇宙一：人多力量大

在 金融分析（Finance-Agent）這類任務(wù)里，多智能體簡直殺瘋了

因?yàn)榻鹑谌蝿?wù)可以拆得非常細(xì)，比如A查財(cái)報(bào)，B看K線，C做風(fēng)控，最后匯總。在這種場景下，找個(gè)“經(jīng)理”來指揮（中心化架構(gòu)），性能直接比單干提升了80.9%

宇宙二：人多即地獄

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

這類任務(wù)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(huán)環(huán)相扣

結(jié)果研究發(fā)現(xiàn)，只要引入?yún)f(xié)作，所有多智能體架構(gòu)全部崩盤
因?yàn)榇蠹移咦彀松嗟赜懻摯驍嗔送评淼倪B貫性，把寶貴的計(jì)算資源都浪費(fèi)在了溝通上。比起單干，性能最高暴跌了70%

還有個(gè)中間派：

模擬真實(shí)職場打工（Workbench）的任務(wù)，結(jié)果顯示，這就屬于費(fèi)力不討好。折騰半天組建團(tuán)隊(duì)，最好的結(jié)果也就提升了5.7%，甚至有的架構(gòu)還倒退了

為什么會出現(xiàn)這種差異？研究團(tuán)隊(duì)通過那套Scaling Law公式，像法醫(yī)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(xié)作權(quán)衡）

想象一下，如果一個(gè)工匠要用16種不同的錘子和鋸子干活

單干時(shí)，他拿起工具就干。但如果是個(gè)團(tuán)隊(duì)，每換個(gè)工具都要跟隊(duì)友確認(rèn)、同步信息

數(shù)據(jù)顯示，任務(wù)需要的工具越多，協(xié)作帶來的內(nèi)耗就越嚴(yán)重。在這種“重工具”場景下，把資源花在溝通上簡直是浪費(fèi)，不如留給單人去思考

鐵律2：高手不需要隊(duì)友（能力飽和）

研究劃定了一條殘酷的“紅線”：45%。

如果一個(gè)單智能體自己做這道題的準(zhǔn)確率已經(jīng)超過了45%，那么給它加隊(duì)友往往是負(fù)收益

就像學(xué)霸做題，自己做能得90分。非要給他配幾個(gè)60分的隊(duì)友在旁邊指指點(diǎn)點(diǎn)，最后成績反而會被拉低。

鐵律3：沒經(jīng)理的團(tuán)隊(duì)是災(zāi)難（錯(cuò)誤放大）

這是最嚇人的數(shù)據(jù)

如果你讓一群AI各自跑結(jié)果（獨(dú)立架構(gòu)），卻沒人負(fù)責(zé)檢查，錯(cuò)誤率會被放大17.2倍！

因?yàn)橐粋€(gè)AI犯了錯(cuò)，沒糾正，另一個(gè)AI接著錯(cuò)，最后錯(cuò)上加錯(cuò)

只有引入“中心化”的經(jīng)理角色，強(qiáng)制進(jìn)行檢查驗(yàn)證，才能把錯(cuò)誤控制住（只放大4.4倍）

結(jié)論：算好這筆賬

這項(xiàng)研究最大的貢獻(xiàn)，就是告訴大家：別迷信人海戰(zhàn)術(shù)了

Google和MIT把這些發(fā)現(xiàn)濃縮成了一個(gè)預(yù)測模型。現(xiàn)在，只要你輸入三個(gè)數(shù)據(jù)：

1. 1. 模型本身聰不聰明？

2. 2. 任務(wù)要用多少工具？

3. 3. 這任務(wù)能不能拆解？

這個(gè)公式就能以87%的準(zhǔn)確率告訴你：該單干，還是該組隊(duì)

簡單來說，這就是一本AI算力經(jīng)濟(jì)學(xué)：在預(yù)算有限的情況下，把算力花在讓一個(gè)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(gè)好經(jīng)理和容易拆分的任務(wù)

--end--

最后記得??我，每天都在更新：歡迎點(diǎn)贊轉(zhuǎn)發(fā)推薦評論，別忘了關(guān)注我