← Archive
lm-004969 · 2026-11

多智能體計算膨脹：從單一 AI 到百萬代理的效益極限

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

多智能體計算膨脹：從單一 AI 到百萬代理的效益極限

系列：AI 認知成長與計算甜蜜區系列（4/7）
英文題名：Multi-Agent Compute Inflation: From Single AI to Million-Agent Scaling Limits
版本：v0.1
日期：2026-10-06
語言：zh-TW

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司

摘要

多智能體系統正在成為前沿 AI 的重要能力放大方法。當單一模型無法直接完成複雜任務時，可以使用多個代理平行搜尋、分工、批判、驗證與整合，藉此將原本受限於單一上下文、單一路徑與單次推理的能力，轉化為大規模並行認知搜尋。

然而：

N↑N\uparrow

不等於：

I↑,I\uparrow,

其中 NN 為代理數量， II 為單一模型的內在認知能力。

本文提出「多智能體計算膨脹」問題：如果 AI 能力提升愈來愈依靠增加代理數、token、搜尋寬度、驗證器與協調層，那麼系統表現可以快速提升，但其計算成本也可能以遠高於單體認知能力的速度膨脹。

2026 年的實際前沿案例已證明這不再只是思想實驗。OpenAI 公開的 Navier–Stokes 研究系統中，產生主要解法的群組約涉及 10410^4 個 concurrent agents；該問題約使用 2.72.7 百萬則 agent messages、約 1.3×10111.3\times10^{11} output tokens，並經歷約 8888 小時的代理搜尋，之後再進行形式化與驗證。另一方面，固定總 compute 的多代理研究已觀察到，增加代理在部分任務上存在明確最適值，超過後因 communication 與 coordination overhead 反而降低表現；另一類研究則指出，少量異質代理可能匹敵大量同質代理。

本文因此區分「單體認知增長」與「群體搜尋增長」，建立 Agent Saturation、Effective Agent Count、Coordination Tax、Agentic Redundancy 與 Marginal Agent Utility 等概念，並分析從 11 、 1010 、 100100 、 10001000 、 10410^4 乃至理論上的 10610^6 或更大量代理時，系統何時由能力放大進入計算膨脹。

本文不反對多代理。相反地，多代理是高度有效的計算架構。但其長期可擴展性不能只以「更多代理得到更好答案」判斷，而必須觀察：

ΔQΔC\boxed{ \frac{\Delta Q}{\Delta C} }

是否仍保持合理。

1. 從單一 AI 到認知群體

設單一 AI 模型為：

A.A.

最基本的工作模式為：

x→A(x)→y.x \rightarrow A(x) \rightarrow y.

若單一代理不足以解決問題，可以建立：

A1,A2,…,AN.A_1,A_2,\ldots,A_N.

每個代理可以：

  • 探索不同解法；
  • 使用不同提示；
  • 擁有不同上下文；
  • 調用不同工具；
  • 扮演不同角色；
  • 驗證其他代理；
  • 搜尋不同資料；
  • 進行不同實驗。

最後透過：

M(A1,…,AN)M( A_1,\ldots,A_N )

進行整合。

因此：

y=M(A1(x),A2(x),…,AN(x)).y = M \left( A_1(x), A_2(x), \ldots, A_N(x) \right).

這是一種非常自然的計算擴展方式。

只要：

P(Ai 發現有效資訊)>0,P( A_i \text{ 發現有效資訊} )>0,

增加：

NN

通常可以增加找到至少一條成功路徑的機率。

2. 多代理提升的是什麼？

假設單代理能力固定為：

I.I.

多代理系統品質可以表示為：

Q=F(I,N,D,C,H,V,T),Q = F( I, N, D, C, H, V, T ),

其中：

  • II：單代理認知能力；
  • NN：代理數量；
  • DD：代理之間的有效多樣性；
  • CC：總計算；
  • HH：協調與 orchestration；
  • VV：驗證與整合能力；
  • TT：總執行時間。

因此：

Q↑Q\uparrow

可以由：

N↑N\uparrow

造成，

即使：

II

完全不變。

這揭露：

Collective Capability Growth≠Individual Cognitive Growth.\boxed{ \text{Collective Capability Growth} \neq \text{Individual Cognitive Growth}. }

兩者都是真正的能力，但必須被分開測量。

3. 2026 年已經出現萬級代理尺度

2026 年 OpenAI 公開的 Navier–Stokes 研究案例提供了一個重要實證尺度。

官方描述中，產生 Navier–Stokes 解法的代理群組：

N∼104N \sim 10^4

個 concurrent agents。

該研究過程約使用：

2.7×1062.7\times10^6

則 messages，

以及：

1.3×10111.3\times10^{11}

個 output tokens。

首批代理啟動後約：

88 小時88 \text{ 小時}

得到主要結果，之後再使用 GPT-6 Astra 進行 Lean 形式化與驗證。

因此：

10410^4

級代理不再只是：

未來可能有人這樣做。

而已經成為：

前沿 AI 研究可以實際動用的計算尺度。

這也使一個新的 scaling 問題變得具體：

如果：

10410^4

可以帶來前所未有的研究能力，

下一步是否會是：

105,106,107?10^5, 10^6, 10^7?

如果是，能力增益是否仍然值得其成本？

4. Agent Count 不是 Intelligence

如果同一模型複製：

NN

次，

則：

A1=A2=⋯=ANA_1=A_2=\cdots=A_N

在基礎模型能力上成立。

所以：

I(Ai)=I.I(A_i)=I.

即使整體系統：

QNQ_N

比：

Q1Q_1

高很多，

也不能推出：

IN=NI.I_N=NI.

真正增加的是：

  • 搜尋寬度；
  • 獨立採樣；
  • 路徑數；
  • context 總容量；
  • 工具調用量；
  • 驗證機會；
  • 並行時間。

因此：

N 是認知計算資源， 不是單體智能本身。\boxed{ N \text{ 是認知計算資源， 不是單體智能本身。} }

5. 理想情況：獨立搜尋帶來近線性收益

假設每個代理成功找到解法的獨立機率為：

p.p.

若代理完全獨立，

至少一個代理成功的機率為：

PN=1−(1−p)N.P_N = 1-(1-p)^N.

當：

p≪1p\ll1

且：

NN

尚小時，

近似：

PN≈Np.P_N \approx Np.

這說明為什麼平行搜尋早期非常有效。

例如：

p=0.001.p=0.001.

單代理成功率：

0.1%.0.1\%.

若有：

10001000

個完全獨立代理，

至少一個成功的機率約為：

1−(0.999)1000.1-(0.999)^{1000}.

這已遠高於單代理。

這就是 agentic scaling 最強大的數學直覺之一。

6. 但真實代理通常不是獨立的

實際多代理往往共享：

  • 相同基礎模型；
  • 相似訓練資料；
  • 相似 priors；
  • 相似提示；
  • 相似工具；
  • 相似 reasoning habits。

因此：

Corr⁡(Ai,Aj)>0.\operatorname{Corr}(A_i,A_j)>0.

代理數：

NnominalN_{\text{nominal}}

並不等於有效獨立資訊通道：

Neffective.N_{\text{effective}}.

通常：

Neffective≤Nnominal.N_{\text{effective}} \le N_{\text{nominal}}.

如果代理高度同質：

Neffective≪Nnominal.N_{\text{effective}} \ll N_{\text{nominal}}.

所以：

10001000

個同模型代理，

可能遠沒有：

10001000

個真正獨立認知者那麼多元。

7. Effective Agent Count

可以定義：

NeffN_{\text{eff}}

表示真正具有獨立資訊價值的 agent channel 數。

理想：

Neff=N.N_{\text{eff}}=N.

高度相關時：

Neff≪N.N_{\text{eff}}\ll N.

一個簡化直覺可以借用 correlated samples 的概念：

Neff≈N1+(N−1)ρ,N_{\text{eff}} \approx \frac{ N }{ 1+(N-1)\rho },

其中：

ρ\rho

代表平均相關性。

這不是通用的 multi-agent 定律，但足以說明問題。

若：

ρ=0,\rho=0,

則：

Neff=N.N_{\text{eff}}=N.

但如果：

ρ\rho

很高，

即使：

N→∞,N\rightarrow\infty,

有效資訊量也會快速飽和。

8. 異質性比單純增加數量更重要

2026 年關於 agent scaling 與 diversity 的研究提出：

effective channels\text{effective channels}

比：

raw agent count\text{raw agent count}

更能解釋多代理增益。

其中實驗甚至觀察到：

2 diverse agents2 \text{ diverse agents}

可以匹敵或超過：

16 homogeneous agents.16 \text{ homogeneous agents}.

這個結果直接支持：

Agent Diversity>Agent Quantity\boxed{ \text{Agent Diversity} > \text{Agent Quantity} }

在某些 regime 下成立。

因此未來真正的 multi-agent scaling 不應只問：

有多少 agents？

而應問：

有多少真正獨立、互補、不可替代的認知通道？

9. 多代理最主要的紅利之一其實是更多 tokens

Anthropic 在其 multi-agent research system 的公開分析中指出，在 BrowseComp 評估中：

80%80\%

的 performance variance 可以由 token usage 單獨解釋。

其一般 agent 約消耗 chat interaction 的：

4×4\times

tokens，

multi-agent system 約為：

15×.15\times.

這表示多代理的一個重要優勢就是：

它讓系統可以合理地花掉更多推理計算。\boxed{ \text{它讓系統可以合理地花掉更多推理計算。} }

不同 context windows 可以並行保存更多搜尋狀態，

因此：

Multi-Agent\text{Multi-Agent}

某種程度上也是：

Inference-Compute Scaling Architecture.\text{Inference-Compute Scaling Architecture}.

這並不貶低其價值。

但它意味著：

Qmulti>QsingleQ_{\text{multi}}>Q_{\text{single}}

不能只被解釋為「團隊智慧」。

其中一部分可能直接來自：

Cmulti≫Csingle.C_{\text{multi}}\gg C_{\text{single}}.

10. 固定 Compute 後，答案會改變

真正重要的比較是：

Ctotal=constant.C_{\text{total}} = \text{constant}.

然後比較：

N=1,2,3,5,7,9,…N=1,2,3,5,7,9,\ldots

此時，如果增加代理，就必須把相同總計算切得更細。

2026 年 Nature Machine Intelligence 的 controlled study 在固定 task prompt、tool 與 per-system compute ceiling 下比較單代理與多代理。

研究發現：

  • 某些可分解任務明顯受益；
  • 某些 sequential planning 任務表現反而下降；
  • 強模型較早失去 collaboration benefit；
  • 固定計算下，超過約三至四個 agents 後，單代理可使用的 reasoning budget 可能開始過薄；
  • communication cost 開始侵蝕實際 reasoning。

因此：

N↑N\uparrow

不只具有 diminishing returns。

甚至可能：

∂Q∂N<0.\frac{\partial Q}{\partial N}<0.

11. Agent Saturation

本文定義：

Agent Saturation\boxed{ \text{Agent Saturation} }

為：

增加代理數後，系統能力邊際增益趨近零的區域。

形式上：

∂Q∂N→0.\frac{\partial Q}{\partial N} \rightarrow0.

若再繼續增加代理：

∂Q∂N<0,\frac{\partial Q}{\partial N}<0,

則進入：

Agent Over-Saturation.\boxed{ \text{Agent Over-Saturation}. }

此時新增代理不只沒有幫助，還會因：

  • communication；
  • merge；
  • duplicated exploration；
  • context competition；
  • scheduling；
  • verifier burden；

使最終能力下降。

12. 最適代理數

對固定模型、任務與 compute budget：

M,T,C,M,T,C,

應存在：

N∗N^\ast

使：

N∗=arg⁡max⁡NQ(M,T,C,N).N^\ast = \arg\max_N Q(M,T,C,N).

值得注意的是：

N∗N^\ast

不是常數。

它取決於：

  • 任務可分解性；
  • 模型能力；
  • 工具數量；
  • context size；
  • communication cost；
  • search branching factor；
  • verifier quality。

因此：

N∗=f(M,T,C,H,V).N^\ast = f( M,T,C,H,V ).

「更多 agents is better」並不是一般性定律。

真正的問題是找到：

N∗.N^\ast.

13. 強模型可能反而需要更少代理

如果單模型：

II

提高，

則原本需要：

N=100N=100

才能覆蓋的搜尋空間，

可能：

N=10N=10

即可完成。

所以真正的模型進步應該使：

N∗N^\ast

在相同品質下下降。

例如：

NM1(q)=1000,N_{M_1}(q)=1000,

而：

NM2(q)=20.N_{M_2}(q)=20.

這種進步非常重要，因為它表示：

能力被內化進模型本身。\boxed{ \text{能力被內化進模型本身。} }

而不是只靠更多平行副本。

14. Coordination Tax

多代理不是免費平行化。

設單代理計算總成本為：

Creason.C_{\text{reason}}.

多代理總成本可以寫成：

Ctotal=Creason+Ccomm+Ccoord+Cmerge+Cverify+Cduplicate.C_{\text{total}} = C_{\text{reason}} + C_{\text{comm}} + C_{\text{coord}} + C_{\text{merge}} + C_{\text{verify}} + C_{\text{duplicate}}.

其中：

CcommC_{\text{comm}}

是代理通訊，

CcoordC_{\text{coord}}

是任務分配與排程，

CmergeC_{\text{merge}}

是結果整合，

CverifyC_{\text{verify}}

是驗證，

CduplicateC_{\text{duplicate}}

是重複探索。

本文將：

Ccoord-tax=Ccomm+Ccoord+Cmerge+CverifyC_{\text{coord-tax}} = C_{\text{comm}} + C_{\text{coord}} + C_{\text{merge}} + C_{\text{verify}}

稱為：

Coordination Tax.\boxed{ \text{Coordination Tax}. }

15. Coordination Tax 可能比線性增長更糟

若每個 agent 都必須與其他 agents 直接交換資訊，

通信邊數可能接近：

E=N(N−1)2.E = \frac{ N(N-1) }{2}.

因此：

E=O(N2).E=O(N^2).

現代系統通常會使用 hierarchy、grouping、shared memory 或 central coordinator 避免完整 all-to-all communication。

但這只代表：

CcommC_{\text{comm}}

可以被壓低，

不是它會消失。

當：

NN

非常大時，

甚至：

O(Nlog⁡N)O(N\log N)

的協調也可以變得昂貴。

所以：

Parallel Compute≠Free Collective Cognition.\boxed{ \text{Parallel Compute} \neq \text{Free Collective Cognition}. }

16. 百萬代理意味著什麼？

假設未來：

N=106.N=10^6.

即使每個 agent 只生成：

10410^4

tokens，

總輸出也已達：

101010^{10}

tokens。

若每個 agent 平均：

10510^5

tokens，

則：

101110^{11}

tokens。

而這還不包含：

  • input tokens；
  • tool calls；
  • search；
  • verifier；
  • merge；
  • retrials；
  • inter-agent messages。

所以：

10610^6

agents 並非不可能。

真正問題是：

其邊際能力增益是否值得這個成本？\boxed{ \text{其邊際能力增益是否值得這個成本？} }

17. 十億代理不是邏輯上不可能，但可能是效率災難

同理：

N=109N=10^9

並不違反數學。

如果硬體與能源允許，可以建立極大的 agent swarm。

但如果：

Neff≪109,N_{\text{eff}} \ll10^9,

或：

ΔQΔN≈0,\frac{\Delta Q}{\Delta N} \approx0,

那麼它只是：

Civilization-Scale Brute-Force Cognition.\boxed{ \text{Civilization-Scale Brute-Force Cognition}. }

這仍可能完成非常困難的問題。

但它不代表這是最好的認知架構。

因此：

Possible≠Efficient≠Optimal.\text{Possible} \neq \text{Efficient} \neq \text{Optimal}.

18. Search-Scaled Intelligence

本文將主要依靠：

N↑,N\uparrow, C↑,C\uparrow, T↑T\uparrow

提高結果品質的系統稱為：

Search-Scaled Intelligence.\boxed{ \text{Search-Scaled Intelligence}. }

其基本形式為：

Unknown Problem→More Search→Higher Success Probability.\text{Unknown Problem} \rightarrow \text{More Search} \rightarrow \text{Higher Success Probability}.

這種方式極其強大。

搜索本身就是智能的重要組成。

但若每一代 AI 的主要提升都來自：

10×10\times

更多搜尋，

就不能將最終能力增長全部視為：

10×10\times

內在認知增長。

19. Agentic Compute Inflation

定義：

ACI=CsystemCsingle-agent baseline.ACI = \frac{ C_{\text{system}} }{ C_{\text{single-agent baseline}} }.

若：

ACI=1,ACI=1,

表示系統沒有額外 agentic compute inflation。

若：

ACI=100,ACI=100,

表示最終系統使用單代理 baseline 的：

100×100\times

計算。

若系統品質只從：

Q=0.90Q=0.90

提高到：

Q=0.92,Q=0.92,

就要問：

0.0299\frac{ 0.02 }{ 99 }

的額外計算效率是否合理。

20. Marginal Agent Utility

定義：

MAU(N)=Q(N+ΔN)−Q(N)C(N+ΔN)−C(N).MAU(N) = \frac{ Q(N+\Delta N)-Q(N) }{ C(N+\Delta N)-C(N) }.

這代表：

再增加一批 agents，平均每增加一單位計算換來多少能力。

在良好的 sweet spot：

MAU(N)≫0.MAU(N)\gg0.

進入 saturation：

MAU(N)→0.MAU(N)\rightarrow0.

進入 over-saturation：

MAU(N)<0.MAU(N)<0.

因此真正應該 scaling 的不是：

NN

本身，

而是保持：

MAUMAU

仍然具有合理值的有效計算區間。

21. 任務可分解性決定多代理價值

多代理尤其適合：

T=T1∪T2∪⋯∪TkT = T_1\cup T_2\cup\cdots\cup T_k

且：

TiT_i

之間依賴很低的任務。

例如：

  • 大規模資料搜尋；
  • 文獻蒐集；
  • 多假設探索；
  • 多個程式模組；
  • 平行數學路徑；
  • 多案例驗證。

此時：

Parallelism Gain\text{Parallelism Gain}

很高。

但對：

T1→T2→⋯→TkT_1\rightarrow T_2\rightarrow\cdots\rightarrow T_k

高度序列依賴任務，

增加代理可能幫助有限。

因為後續步驟必須等待前一步。

這就是：

Task Decomposability\boxed{ \text{Task Decomposability} }

作為 agent scaling 的核心隱變量。

22. Amdahl 式 Agent Scaling 極限

可以借用 Amdahl's Law 的思想。

設任務可平行部分比例為：

p,p,

不可平行部分為：

1−p.1-p.

理想加速上限：

S(N)=1(1−p)+pN.S(N) = \frac{ 1 }{ (1-p)+\frac{p}{N} }.

當：

N→∞,N\rightarrow\infty,

得到：

Smax⁡=11−p.S_{\max} = \frac{ 1 }{ 1-p }.

如果：

p=0.9,p=0.9,

即使有無限 agents，

理想加速也只有：

10×.10\times.

實際 multi-agent 還要加入 coordination overhead，

所以真實上限更低。

這說明：

不是所有認知任務都能靠增加 agents 無限平行化。\boxed{ \text{不是所有認知任務都能靠增加 agents 無限平行化。} }

23. 錯誤也可以被大規模複製

若母代理或共同提示帶入錯誤假設：

e0,e_0,

大量 agents 可能全部在：

e0e_0

之下探索。

因此：

106×e010^6 \times e_0

仍然可能是：

large-scale wrong search.\text{large-scale wrong search}.

這叫做：

Correlated Error Amplification.\boxed{ \text{Correlated Error Amplification}. }

因此，真正重要的不只是：

N,N,

而是：

D,D,

即代理的有效認知多樣性。

24. Independent-Context 與 Hierarchical Multi-Agent

至少應區分兩種實驗。

24.1 Hierarchical Multi-Agent

A0→{A1,A2,…,AN}.A_0 \rightarrow \{A_1,A_2,\ldots,A_N\}.

母代理決定：

  • 任務分解；
  • 初始假設；
  • prompt；
  • 角色；
  • merge policy。

優點是協調容易。

缺點是：

A0A_0

的偏誤可能傳給所有子代理。

24.2 Independent-Context Multi-Agent

A1⊥A2⊥⋯⊥ANA_1\perp A_2\perp\cdots\perp A_N

在初始推理上盡可能獨立。

最後才合併：

M(A1,…,AN).M(A_1,\ldots,A_N).

這種設計更適合測量：

Independent Cognitive Diversity.\text{Independent Cognitive Diversity}.

未來 benchmark 應同時測量兩者。

25. 內部冗餘 × 外部冗餘

系列第三篇提出模型內部可能存在：

Rinternal.R_{\text{internal}}.

多代理又可能增加：

Ragent.R_{\text{agent}}.

如果每個 agent 本身使用高度冗餘的大模型，

而不同 agents 又進行高度重複的搜尋，

則總冗餘可能近似：

Rtotal=F(Rinternal,Ragent).R_{\text{total}} = F( R_{\text{internal}}, R_{\text{agent}} ).

最糟情況甚至可能接近：

Rtotal∝Rinternal×Ragent.R_{\text{total}} \propto R_{\text{internal}} \times R_{\text{agent}}.

這表示：

模型內部已經重複表示同一知識， 外部又複製大量模型重新搜尋相同路徑。

此時單純增加 agent 數會同時放大兩層低效率。

26. MoE × Multi-Agent：雙重稀疏化

現代系統可能同時具有：

Agent Routing\text{Agent Routing}

與：

Expert Routing.\text{Expert Routing}.

一個任務先選：

Nactive agents,N_{\text{active agents}},

每個 agent 再選：

kexperts.k_{\text{experts}}.

因此單次總計算可粗略寫成：

C∝Nactive agents×kexperts×Lsteps.C \propto N_{\text{active agents}} \times k_{\text{experts}} \times L_{\text{steps}}.

每一層都是 sparse。

但：

Sparse×Huge×Long Horizon\boxed{ \text{Sparse} \times \text{Huge} \times \text{Long Horizon} }

最後仍然可以極度昂貴。

這就是：

Sparse computation itself can become expensive.\boxed{ \text{Sparse computation itself can become expensive.} }

27. Multi-Agent Sweet Spot

因此可以定義第二個甜蜜區：

Multi-Agent Sweet Spot.\boxed{ \text{Multi-Agent Sweet Spot}. }

它成立於：

ΔQΔN\frac{\Delta Q}{\Delta N}

仍然高，

同時：

CcoordC_{\text{coord}}

仍然低的區域。

早期：

N=1→10N=1 \rightarrow 10

可能帶來巨大能力增益。

但：

1000→100001000 \rightarrow 10000

未必具有相同比例收益。

所以系統可能經歷：

Under-Parallelized→Agentic Sweet Spot→Agent Saturation→Compute Inflation.\boxed{ \text{Under-Parallelized} \rightarrow \text{Agentic Sweet Spot} \rightarrow \text{Agent Saturation} \rightarrow \text{Compute Inflation}. }

28. 系統應該學會「不要叫更多代理」

真正成熟的 agent architecture 不應預設：

N↑N\uparrow

永遠更好。

它應該先估計：

E[ΔQ∣ΔN].\mathbb E[ \Delta Q \mid \Delta N ].

只有當：

E[ΔQ]ΔC>τ\frac{ \mathbb E[\Delta Q] }{ \Delta C } > \tau

時才增加 agents。

否則：

Nt+1=Nt.N_{t+1}=N_t.

甚至：

Nt+1<Nt.N_{t+1}<N_t.

這意味著 router 不只負責：

要叫哪個 agent？

更應負責：

根本需不需要叫 agent？

29. Dynamic Agent Budgeting

可以讓系統從：

N=1N=1

開始。

若 confidence 足夠：

Conf⁡(y)>τ,\operatorname{Conf}(y)>\tau,

直接停止。

若低於門檻：

Conf⁡(y)≤τ,\operatorname{Conf}(y)\le\tau,

再展開：

N=2,4,8,…N=2,4,8,\ldots

直到：

ΔQΔC<ϵ.\frac{\Delta Q}{\Delta C}<\epsilon.

因此：

NN

不是固定常數，

而是：

N=N(x).N=N(x).

這比每個任務一律啟動：

10001000

個 agents 更合理。

30. 從 Agent Scaling 轉向 Agent Internalization

若某類問題長期需要：

N=1000N=1000

個 agents 重複解決，

系統真正應該做的不是永遠保留：

N=1000.N=1000.

而是嘗試：

distill→internalize→restructure.\text{distill} \rightarrow \text{internalize} \rightarrow \text{restructure}.

也就是：

QN=1000(t)Q_{N=1000}^{(t)}

所學到的共同結構，

應被吸收到：

Mt+1.M_{t+1}.

理想情況：

QMt+1(N=10)≈QMt(N=1000).Q_{M_{t+1}}(N=10) \approx Q_{M_t}(N=1000).

這才表示 swarm 的研究成果真正成為下一代模型能力。

31. 搜尋成本與認知成長的分界

如果同一類問題：

第一代需要：

C1=1012.C_1=10^{12}.

第二代：

C2=1012.C_2=10^{12}.

第三代仍：

C3=1012,C_3=10^{12},

每次都靠重新搜尋，

那這比較接近：

Repeated Search.\text{Repeated Search}.

若第二代只需要：

C2=1010,C_2=10^{10},

第三代：

C3=108,C_3=10^8,

則表示先前搜尋結果逐步被內化。

可以定義：

Internalization Gain=Ct(q)Ct+1(q).\boxed{ \text{Internalization Gain} = \frac{ C_t(q) }{ C_{t+1}(q) }. }

這將是後續「搜尋型 AI 與結構成長型 AI」的重要接口。

32. 多代理 Benchmark 應該怎麼測？

對同一模型：

MM

測：

N∈{1,2,4,10,32,100,1000,10000}.N \in \{ 1, 2, 4, 10, 32, 100, 1000, 10000 \}.

並至少建立兩種 regime。

Regime A：固定單代理 Budget

每個代理都有相同 budget。

因此：

Ctotal∝N.C_{\text{total}} \propto N.

這測量：

願意花更多總計算時，多代理最多能提升多少能力？

Regime B：固定總 Budget

Ctotal=constant.C_{\text{total}} = \text{constant}.

增加代理意味着每個代理平均資源下降。

這測量：

在相同總成本下，如何組織 agent 才最有效？

兩種實驗不能混為一談。

33. 跨世代模型才是真正重要的比較

對：

M1,M2,…,MtM_1,M_2,\ldots,M_t

都測：

QM(N,C).Q_M(N,C).

真正進步的模型應該表現為：

同代理數更強

QMt+1(N)>QMt(N).Q_{M_{t+1}}(N) > Q_{M_t}(N).

同品質需要更少代理

NMt+1(q)<NMt(q).N_{M_{t+1}}(q) < N_{M_t}(q).

同品質需要更少計算

CMt+1(q)<CMt(q).C_{M_{t+1}}(q) < C_{M_t}(q).

如果只有：

QMt+1>QMtQ_{M_{t+1}} > Q_{M_t}

但：

Nt+1≫NtN_{t+1}\gg N_t

且：

Ct+1≫Ct,C_{t+1}\gg C_t,

則不能單純稱作同比例的 intrinsic cognitive progress。

34. 百萬代理實驗真正應該證明什麼？

如果未來真的使用：

10610^6

agents，

重點不應只是：

它解出以前解不出的問題。

這當然重要。

更關鍵的科學問題是：

Q(106)−Q(105)Q(10^6)-Q(10^5)

是多少？

以及：

C(106)−C(105)C(10^6)-C(10^5)

是多少？

因此真正核心：

MAU(105→106)\boxed{ MAU(10^5\rightarrow10^6) }

是否仍然值得。

如果：

QQ

只增加：

0.1%,0.1\%,

而成本增加：

10×,10\times,

就表示系統已深度進入 agentic compute inflation。

35. 不能只看成功案例

大規模 swarm 很容易出現 selection bias。

如果：

1000010000

agents 搜尋大量路徑，

最後其中一條成功，

外部只看到：

successful artifact.\text{successful artifact}.

但沒有看到：

99999999

條失敗、重複或無效路徑。

所以需要記錄：

Total Search Mass.\boxed{ \text{Total Search Mass}. }

至少包括：

  • 總 agent-hours；
  • 總 token；
  • 總 messages；
  • 總 tool calls；
  • 總候選；
  • rejected candidates；
  • duplicated hypotheses；
  • verifier workload。

否則無法判斷：

成功\text{成功}

究竟是：

high cognition\text{high cognition}

還是：

massive search coverage.\text{massive search coverage}.

36. 搜尋並不是「低等」智能

本文必須明確避免一個錯誤二分。

搜尋不是智能的反面。

實際上：

Intelligence\text{Intelligence}

幾乎總是包含：

Search.\text{Search}.

人類數學家、科學家、工程師也會：

  • 嘗試多條路；
  • 失敗；
  • 比較；
  • 回溯；
  • 合作。

真正問題不是：

有沒有使用搜尋？

而是：

單位搜尋成本能產生多少新的有效認知？\boxed{ \text{單位搜尋成本能產生多少新的有效認知？} }

因此本文批判的不是：

search,\text{search},

而是：

unbounded search without efficiency accounting.\text{unbounded search without efficiency accounting}.

37. Agentic Intelligence 的真正進步

成熟的多代理 AI 應該逐漸做到：

Less Duplication,\text{Less Duplication}, Better Diversity,\text{Better Diversity}, Better Routing,\text{Better Routing}, Better Merge,\text{Better Merge}, Better Verification,\text{Better Verification}, Better Internalization.\text{Better Internalization}.

因此真正 agentic progress 可以寫成：

Q↑whileNefficiency↑.\boxed{ Q\uparrow \quad \text{while} \quad N_{\text{efficiency}}\uparrow. }

而不只是：

N↑.N\uparrow.

38. 可證偽命題

本文提出以下預測。

預測一：同質 agent scaling 會出現強烈 diminishing returns

當：

N↑,N\uparrow,

應觀察到：

∂2Q∂N2<0\frac{\partial^2 Q}{\partial N^2}<0

於相當多任務類型成立。

預測二：異質代理的單位成本增益高於同質代理

在相同：

NN

與：

CC

下，

具有不同模型、提示、工具或角色的系統應在部分任務上具有更高：

Q.Q.

預測三：強單模型的最適 agent 數會下降

隨：

I↑,I\uparrow,

相同任務下：

N∗↓N^\ast\downarrow

應在大量任務中成立。

預測四：固定總 compute 時存在明確 agent optimum

即：

∃N∗\exists N^\ast

使：

Q(N∗)>Q(N)Q(N^\ast)>Q(N)

對過小與過大的：

NN

皆成立。

預測五：長期有效的 agent system 會將 swarm 成果內化

跨模型世代：

Nt(q)N_t(q)

與：

Ct(q)C_t(q)

應逐步下降。

若始終只靠增加：

N,N,

則代表主要進步來自 search-budget scaling。

39. 與系列前三篇的統合

第一篇：

System Capability≠Intrinsic Cognition.\text{System Capability} \neq \text{Intrinsic Cognition}.

第二篇：

Sparse Local Matching\text{Sparse Local Matching}

可以產生：

Sparse Capability Sweet Spot.\text{Sparse Capability Sweet Spot}.

第三篇：

Physical Capacity≠Effective Cognitive Capacity.\text{Physical Capacity} \neq \text{Effective Cognitive Capacity}.

本文加入：

Nominal Agent Count≠Effective Cognitive Channels.\text{Nominal Agent Count} \neq \text{Effective Cognitive Channels}.

因此：

Qsystem=F(Ieffective,Neffective,D,C,H,V,T).\boxed{ \begin{aligned} Q_{\text{system}} = F( &I_{\text{effective}}, N_{\text{effective}}, D,\\ &C, H, V, T ). \end{aligned} }

這表示當代 AI 的能力不能只用：

PP

或：

NN

任何單一尺度描述。

40. 從第 4 篇通往第 5 篇

到這裡，整個系列已經遇到一個不可避免的測量問題：

如果：

P,N,C,T,HP, N,C,T,H

全部會變，

究竟應該如何比較兩代 AI？

下一篇因此將正式建立：

A/B/N Cognitive Scaling Benchmark\boxed{ \text{A/B/N Cognitive Scaling Benchmark} }

以及：

Cognitive Compute Efficiency\boxed{ \text{Cognitive Compute Efficiency} }

的測量框架。

核心將不再問：

哪一個 AI 分數最高？

而是問：

在指定品質下，哪一個 AI 需要最少的代理、最少的計算與最少的時間？

形式上：

CCE(q)=1min⁡C:Q≥q.CCE(q) = \frac{ 1 }{ \min C:Q\ge q }.

並將：

N=1,2,10,100,1000,…N=1,2,10,100,1000,\ldots

納入跨世代固定測量。

41. 結論

多代理不是 AI scaling 的錯誤路線。

它是非常自然、有效，而且已經被前沿系統實際證明可以解決極難問題的架構。

但是：

More Agents≠More Intrinsic Intelligence.\boxed{ \text{More Agents} \neq \text{More Intrinsic Intelligence}. }

增加代理主要增加：

Search Breadth+Context Capacity+Parallel Trials+Verification Opportunities.\text{Search Breadth} + \text{Context Capacity} + \text{Parallel Trials} + \text{Verification Opportunities}.

當：

NN

仍處於 sweet spot，

這可以產生巨大收益。

但隨著：

N↑,N\uparrow,

會逐漸受到：

Correlation,\text{Correlation}, Duplication,\text{Duplication}, Communication,\text{Communication}, Coordination,\text{Coordination}, Merge,\text{Merge}, Verification\text{Verification}

限制。

因此真正需要追蹤的不是：

N,N,

而是：

ΔQΔC\boxed{ \frac{\Delta Q}{\Delta C} }

與：

Neffective.\boxed{ N_{\text{effective}}. }

未來最強的 AI 系統未必是：

擁有最多 agents 的系統。

更可能是：

能夠準確知道什麼時候只需要一個 AI、什麼時候需要十個、什麼時候值得動用一萬個，並且能把大規模 swarm 搜尋得到的成果內化，使下一代不必再次支付同樣成本的系統。

換句話說：

真正成熟的多代理智能， 不是學會召喚更多 AI， 而是學會不必召喚那麼多 AI。\boxed{ \text{真正成熟的多代理智能， 不是學會召喚更多 AI， 而是學會不必召喚那麼多 AI。} }

參考資料

  1. OpenAI. On the Navier–Stokes Millennium Prize Problem. 2026-09-08.
    https://openai.com/index/navier-stokes-solution/
    官方說明指出，產生 Navier–Stokes 解法的群組約涉及 10410^4 concurrent agents；相關過程約使用 2.72.7 百萬則 messages 與約 130130 billion output tokens，並在首批 agents 啟動約 8888 小時後得到主要結果。

  2. Anthropic. How we built our multi-agent research system.
    https://www.anthropic.com/engineering/multi-agent-research-system
    Anthropic 公開分析指出，在 BrowseComp 中 token usage 單獨解釋約 80%80\% performance variance；multi-agent research system 的 token 使用量約為一般 chat interaction 的 15×15\times。

  3. Kim, Y. et al. Capable language models can outgrow the benefits of collaboration. Nature Machine Intelligence, 8, 1157–1172, 2026.
    https://www.nature.com/articles/s42256-026-01268-y
    在固定 task prompts、tools 與 per-system compute ceilings 下比較 single-agent 與 multi-agent architectures，觀察到 capability saturation、coordination overhead，以及部分 sequential tasks 上的負收益。

  4. Yang, Y. et al. Understanding Agent Scaling in LLM-Based Multi-Agent Systems via Diversity. arXiv:2602.03794, 2026.
    https://arxiv.org/abs/2602.03794
    提出 effective channel 的資訊理論觀點，指出 homogeneous agents 因輸出相關而快速飽和；實驗中少量 heterogeneous agents 可匹敵或超過大量 homogeneous agents。

  5. Nature Machine Intelligence Editorial. Multi-agent AI systems need transparency. 2026-01-27.
    https://www.nature.com/articles/s42256-026-01183-2
    指出科學工作流採用多代理系統時應清楚說明使用動機與資源成本，避免浪費計算與人力資源。

  6. Google / Nature. Accelerating scientific discovery with Co-Scientist. Nature, 655, 487–496, 2026.
    https://www.nature.com/articles/s41586-026-10644-y
    展示多代理科學系統透過生成、批判、改進假設與 test-time compute scaling 進行科學探索的實際能力。

Canonical Source Note

本文件之 UTF-8 Markdown 原始碼為正式 source artifact。所有數學原始碼僅使用 $...$ 與 $$...$$ 作為 canonical delimiter；不以 Unicode 數學字元替代 LaTeX source，不進行 unicode escape round-trip，不以聊天介面中的渲染內容作為正式原稿。