多智能体「民主分权」这套想象,今天被 Anthropic 自己泼了冷水。
他们 Fellows 团队做了个挺扎实的实验:搭了四个多用户、多智能体的模拟环境——共享 API 额度、诊所排班、团体订餐旅行、合并排队。场景不一样,结论却一致:让一个智能体当总指挥去协调,比「每个用户各带一支自己的智能体小队、各干各的」效果好。
反直觉吧?直觉上,多个人(或多智能体)各自代表自己利益去谈,应该更周全。现实是,各管各的会卡在协调失配上——谁该让一步、信息怎么同步、冲突找谁仲裁,这些才是真正的成本,而不是「算力不够」。
我看了方法,可信度不低。他们测了 Anthropic、OpenAI、Alibaba 的前沿模型,而且把其中三个环境直接开源成 MAMUBench,等于把考题摊开给你复测。这种「把基准交出来」的做法,比只发结论的论文扎实。
这对企业部署 Agent 是直接可迁移的教训。很多人一开始就把「给每个部门配一个 Agent、让它们自己协商」当成先进架构,今天这研究告诉你:协调的瓶颈在人(智能体)之间的接口,不在单个智能体的聪明程度。统一调度层省的不是算力,是扯皮。
我也反对下自己。会不会只在「任务目标统一」的场景成立?很可能。如果是零和博弈、各方真实利益冲突,集中指挥反而容易偏袒一方,那时分布式反而更稳。证伪很便宜:把 MAMUBench 里加一个「用户利益彼此冲突」的环境,如果集中指挥的优势消失甚至反转,那这结论就得加边界条件。
我的判断:企业上多智能体,先别急着「每人一个」。先想清楚谁当总指挥、冲突怎么仲裁——架构的难,永远在人(智能体)与人的接缝处。