# 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：

$$
N\uparrow
$$

不等於：

$$
I\uparrow,
$$

其中 $N$ 為代理數量， $I$ 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 $10^4$ 個 concurrent agents；該問題約使用 $2.7$ 百萬則 agent messages、約 $1.3\times10^{11}$ output tokens，並經歷約 $88$ 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 $1$ 、 $10$ 、 $100$ 、 $1000$ 、 $10^4$ 乃至理論上的 $10^6$ 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：

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

是否仍保持合理。

---

# 1. 從單一 AI 到認知群體

設單一 AI 模型為：

$$
A.
$$

最基本的工作模式為：

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

若單一代理不足以解決問題，可以建立：

$$
A_1,A_2,\ldots,A_N.
$$

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：

$$
M(
A_1,\ldots,A_N
)
$$

進行整合。

因此：

$$
y
=
M
\left(
A_1(x),
A_2(x),
\ldots,
A_N(x)
\right).
$$

這是一種非常自然的計算擴展方式。

只要：

$$
P(
A_i
\text{ 發現有效資訊}
)>0,
$$

增加：

$$
N
$$

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：

$$
I.
$$

多代理系統品質可以表示為：

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

其中：

- $I$：單代理認知能力；
- $N$：代理數量；
- $D$：代理之間的有效多樣性；
- $C$：總計算；
- $H$：協調與 orchestration；
- $V$：驗證與整合能力；
- $T$：總執行時間。

因此：

$$
Q\uparrow
$$

可以由：

$$
N\uparrow
$$

造成，

即使：

$$
I
$$

完全不變。

這揭露：

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

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：

$$
N
\sim
10^4
$$

個 concurrent agents。

該研究過程約使用：

$$
2.7\times10^6
$$

則 messages，

以及：

$$
1.3\times10^{11}
$$

個 output tokens。

首批代理啟動後約：

$$
88
\text{ 小時}
$$

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：

$$
10^4
$$

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：

$$
10^4
$$

可以帶來前所未有的研究能力，

下一步是否會是：

$$
10^5,
10^6,
10^7?
$$

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：

$$
N
$$

次，

則：

$$
A_1=A_2=\cdots=A_N
$$

在基礎模型能力上成立。

所以：

$$
I(A_i)=I.
$$

即使整體系統：

$$
Q_N
$$

比：

$$
Q_1
$$

高很多，

也不能推出：

$$
I_N=NI.
$$

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：

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

---

# 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：

$$
p.
$$

若代理完全獨立，

至少一個代理成功的機率為：

$$
P_N
=
1-(1-p)^N.
$$

當：

$$
p\ll1
$$

且：

$$
N
$$

尚小時，

近似：

$$
P_N
\approx
Np.
$$

這說明為什麼平行搜尋早期非常有效。

例如：

$$
p=0.001.
$$

單代理成功率：

$$
0.1\%.
$$

若有：

$$
1000
$$

個完全獨立代理，

至少一個成功的機率約為：

$$
1-(0.999)^{1000}.
$$

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：

$$
\operatorname{Corr}(A_i,A_j)>0.
$$

代理數：

$$
N_{\text{nominal}}
$$

並不等於有效獨立資訊通道：

$$
N_{\text{effective}}.
$$

通常：

$$
N_{\text{effective}}
\le
N_{\text{nominal}}.
$$

如果代理高度同質：

$$
N_{\text{effective}}
\ll
N_{\text{nominal}}.
$$

所以：

$$
1000
$$

個同模型代理，

可能遠沒有：

$$
1000
$$

個真正獨立認知者那麼多元。

---

# 7. Effective Agent Count

可以定義：

$$
N_{\text{eff}}
$$

表示真正具有獨立資訊價值的 agent channel 數。

理想：

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

高度相關時：

$$
N_{\text{eff}}\ll N.
$$

一個簡化直覺可以借用 correlated samples 的概念：

$$
N_{\text{eff}}
\approx
\frac{
N
}{
1+(N-1)\rho
},
$$

其中：

$$
\rho
$$

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：

$$
\rho=0,
$$

則：

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

但如果：

$$
\rho
$$

很高，

即使：

$$
N\rightarrow\infty,
$$

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：

$$
\text{effective channels}
$$

比：

$$
\text{raw agent count}
$$

更能解釋多代理增益。

其中實驗甚至觀察到：

$$
2
\text{ diverse agents}
$$

可以匹敵或超過：

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

這個結果直接支持：

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

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：

$$
80\%
$$

的 performance variance 可以由 token usage 單獨解釋。

其一般 agent 約消耗 chat interaction 的：

$$
4\times
$$

tokens，

multi-agent system 約為：

$$
15\times.
$$

這表示多代理的一個重要優勢就是：

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

不同 context windows 可以並行保存更多搜尋狀態，

因此：

$$
\text{Multi-Agent}
$$

某種程度上也是：

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

這並不貶低其價值。

但它意味著：

$$
Q_{\text{multi}}>Q_{\text{single}}
$$

不能只被解釋為「團隊智慧」。

其中一部分可能直接來自：

$$
C_{\text{multi}}\gg C_{\text{single}}.
$$

---

# 10. 固定 Compute 後，答案會改變

真正重要的比較是：

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

然後比較：

$$
N=1,2,3,5,7,9,\ldots
$$

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：

$$
N\uparrow
$$

不只具有 diminishing returns。

甚至可能：

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

---

# 11. Agent Saturation

本文定義：

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

為：

增加代理數後，系統能力邊際增益趨近零的區域。

形式上：

$$
\frac{\partial Q}{\partial N}
\rightarrow0.
$$

若再繼續增加代理：

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

則進入：

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

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：

$$
M,T,C,
$$

應存在：

$$
N^\ast
$$

使：

$$
N^\ast
=
\arg\max_N
Q(M,T,C,N).
$$

值得注意的是：

$$
N^\ast
$$

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：

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

「更多 agents is better」並不是一般性定律。

真正的問題是找到：

$$
N^\ast.
$$

---

# 13. 強模型可能反而需要更少代理

如果單模型：

$$
I
$$

提高，

則原本需要：

$$
N=100
$$

才能覆蓋的搜尋空間，

可能：

$$
N=10
$$

即可完成。

所以真正的模型進步應該使：

$$
N^\ast
$$

在相同品質下下降。

例如：

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

而：

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

這種進步非常重要，因為它表示：

$$
\boxed{
\text{能力被內化進模型本身。}
}
$$

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：

$$
C_{\text{reason}}.
$$

多代理總成本可以寫成：

$$
C_{\text{total}}
=
C_{\text{reason}}
+
C_{\text{comm}}
+
C_{\text{coord}}
+
C_{\text{merge}}
+
C_{\text{verify}}
+
C_{\text{duplicate}}.
$$

其中：

$$
C_{\text{comm}}
$$

是代理通訊，

$$
C_{\text{coord}}
$$

是任務分配與排程，

$$
C_{\text{merge}}
$$

是結果整合，

$$
C_{\text{verify}}
$$

是驗證，

$$
C_{\text{duplicate}}
$$

是重複探索。

本文將：

$$
C_{\text{coord-tax}}
=
C_{\text{comm}}
+
C_{\text{coord}}
+
C_{\text{merge}}
+
C_{\text{verify}}
$$

稱為：

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

---

# 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：

$$
E
=
\frac{
N(N-1)
}{2}.
$$

因此：

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

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：

$$
C_{\text{comm}}
$$

可以被壓低，

不是它會消失。

當：

$$
N
$$

非常大時，

甚至：

$$
O(N\log N)
$$

的協調也可以變得昂貴。

所以：

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

---

# 16. 百萬代理意味著什麼？

假設未來：

$$
N=10^6.
$$

即使每個 agent 只生成：

$$
10^4
$$

tokens，

總輸出也已達：

$$
10^{10}
$$

tokens。

若每個 agent 平均：

$$
10^5
$$

tokens，

則：

$$
10^{11}
$$

tokens。

而這還不包含：

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

所以：

$$
10^6
$$

agents 並非不可能。

真正問題是：

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

---

# 17. 十億代理不是邏輯上不可能，但可能是效率災難

同理：

$$
N=10^9
$$

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：

$$
N_{\text{eff}}
\ll10^9,
$$

或：

$$
\frac{\Delta Q}{\Delta N}
\approx0,
$$

那麼它只是：

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

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：

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

---

# 18. Search-Scaled Intelligence

本文將主要依靠：

$$
N\uparrow,
$$

$$
C\uparrow,
$$

$$
T\uparrow
$$

提高結果品質的系統稱為：

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

其基本形式為：

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

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：

$$
10\times
$$

更多搜尋，

就不能將最終能力增長全部視為：

$$
10\times
$$

內在認知增長。

---

# 19. Agentic Compute Inflation

定義：

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

若：

$$
ACI=1,
$$

表示系統沒有額外 agentic compute inflation。

若：

$$
ACI=100,
$$

表示最終系統使用單代理 baseline 的：

$$
100\times
$$

計算。

若系統品質只從：

$$
Q=0.90
$$

提高到：

$$
Q=0.92,
$$

就要問：

$$
\frac{
0.02
}{
99
}
$$

的額外計算效率是否合理。

---

# 20. Marginal Agent Utility

定義：

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

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：

$$
MAU(N)\gg0.
$$

進入 saturation：

$$
MAU(N)\rightarrow0.
$$

進入 over-saturation：

$$
MAU(N)<0.
$$

因此真正應該 scaling 的不是：

$$
N
$$

本身，

而是保持：

$$
MAU
$$

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：

$$
T
=
T_1\cup T_2\cup\cdots\cup T_k
$$

且：

$$
T_i
$$

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：

$$
\text{Parallelism Gain}
$$

很高。

但對：

$$
T_1\rightarrow T_2\rightarrow\cdots\rightarrow T_k
$$

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：

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

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：

$$
p,
$$

不可平行部分為：

$$
1-p.
$$

理想加速上限：

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

當：

$$
N\rightarrow\infty,
$$

得到：

$$
S_{\max}
=
\frac{
1
}{
1-p
}.
$$

如果：

$$
p=0.9,
$$

即使有無限 agents，

理想加速也只有：

$$
10\times.
$$

實際 multi-agent 還要加入 coordination overhead，

所以真實上限更低。

這說明：

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

---

# 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：

$$
e_0,
$$

大量 agents 可能全部在：

$$
e_0
$$

之下探索。

因此：

$$
10^6
\times
e_0
$$

仍然可能是：

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

這叫做：

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

因此，真正重要的不只是：

$$
N,
$$

而是：

$$
D,
$$

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

$$
A_0
\rightarrow
\{A_1,A_2,\ldots,A_N\}.
$$

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：

$$
A_0
$$

的偏誤可能傳給所有子代理。

---

## 24.2 Independent-Context Multi-Agent

$$
A_1\perp A_2\perp\cdots\perp A_N
$$

在初始推理上盡可能獨立。

最後才合併：

$$
M(A_1,\ldots,A_N).
$$

這種設計更適合測量：

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

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：

$$
R_{\text{internal}}.
$$

多代理又可能增加：

$$
R_{\text{agent}}.
$$

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：

$$
R_{\text{total}}
=
F(
R_{\text{internal}},
R_{\text{agent}}
).
$$

最糟情況甚至可能接近：

$$
R_{\text{total}}
\propto
R_{\text{internal}}
\times
R_{\text{agent}}.
$$

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：

$$
\text{Agent Routing}
$$

與：

$$
\text{Expert Routing}.
$$

一個任務先選：

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

每個 agent 再選：

$$
k_{\text{experts}}.
$$

因此單次總計算可粗略寫成：

$$
C
\propto
N_{\text{active agents}}
\times
k_{\text{experts}}
\times
L_{\text{steps}}.
$$

每一層都是 sparse。

但：

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

最後仍然可以極度昂貴。

這就是：

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

---

# 27. Multi-Agent Sweet Spot

因此可以定義第二個甜蜜區：

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

它成立於：

$$
\frac{\Delta Q}{\Delta N}
$$

仍然高，

同時：

$$
C_{\text{coord}}
$$

仍然低的區域。

早期：

$$
N=1
\rightarrow
10
$$

可能帶來巨大能力增益。

但：

$$
1000
\rightarrow
10000
$$

未必具有相同比例收益。

所以系統可能經歷：

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

---

# 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：

$$
N\uparrow
$$

永遠更好。

它應該先估計：

$$
\mathbb E[
\Delta Q
\mid
\Delta N
].
$$

只有當：

$$
\frac{
\mathbb E[\Delta Q]
}{
\Delta C
}
>
\tau
$$

時才增加 agents。

否則：

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

甚至：

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

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：

$$
N=1
$$

開始。

若 confidence 足夠：

$$
\operatorname{Conf}(y)>\tau,
$$

直接停止。

若低於門檻：

$$
\operatorname{Conf}(y)\le\tau,
$$

再展開：

$$
N=2,4,8,\ldots
$$

直到：

$$
\frac{\Delta Q}{\Delta C}<\epsilon.
$$

因此：

$$
N
$$

不是固定常數，

而是：

$$
N=N(x).
$$

這比每個任務一律啟動：

$$
1000
$$

個 agents 更合理。

---

# 30. 從 Agent Scaling 轉向 Agent Internalization

若某類問題長期需要：

$$
N=1000
$$

個 agents 重複解決，

系統真正應該做的不是永遠保留：

$$
N=1000.
$$

而是嘗試：

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

也就是：

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

所學到的共同結構，

應被吸收到：

$$
M_{t+1}.
$$

理想情況：

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

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：

$$
C_1=10^{12}.
$$

第二代：

$$
C_2=10^{12}.
$$

第三代仍：

$$
C_3=10^{12},
$$

每次都靠重新搜尋，

那這比較接近：

$$
\text{Repeated Search}.
$$

若第二代只需要：

$$
C_2=10^{10},
$$

第三代：

$$
C_3=10^8,
$$

則表示先前搜尋結果逐步被內化。

可以定義：

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

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：

$$
M
$$

測：

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

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：

$$
C_{\text{total}}
\propto N.
$$

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

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

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：

$$
M_1,M_2,\ldots,M_t
$$

都測：

$$
Q_M(N,C).
$$

真正進步的模型應該表現為：

### 同代理數更強

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

### 同品質需要更少代理

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

### 同品質需要更少計算

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

如果只有：

$$
Q_{M_{t+1}}
>
Q_{M_t}
$$

但：

$$
N_{t+1}\gg N_t
$$

且：

$$
C_{t+1}\gg C_t,
$$

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：

$$
10^6
$$

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：

$$
Q(10^6)-Q(10^5)
$$

是多少？

以及：

$$
C(10^6)-C(10^5)
$$

是多少？

因此真正核心：

$$
\boxed{
MAU(10^5\rightarrow10^6)
}
$$

是否仍然值得。

如果：

$$
Q
$$

只增加：

$$
0.1\%,
$$

而成本增加：

$$
10\times,
$$

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：

$$
10000
$$

agents 搜尋大量路徑，

最後其中一條成功，

外部只看到：

$$
\text{successful artifact}.
$$

但沒有看到：

$$
9999
$$

條失敗、重複或無效路徑。

所以需要記錄：

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

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：

$$
\text{成功}
$$

究竟是：

$$
\text{high cognition}
$$

還是：

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

---

# 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：

$$
\text{Intelligence}
$$

幾乎總是包含：

$$
\text{Search}.
$$

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：

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

因此本文批判的不是：

$$
\text{search},
$$

而是：

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

---

# 37. Agentic Intelligence 的真正進步

成熟的多代理 AI 應該逐漸做到：

$$
\text{Less Duplication},
$$

$$
\text{Better Diversity},
$$

$$
\text{Better Routing},
$$

$$
\text{Better Merge},
$$

$$
\text{Better Verification},
$$

$$
\text{Better Internalization}.
$$

因此真正 agentic progress 可以寫成：

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

而不只是：

$$
N\uparrow.
$$

---

# 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：

$$
N\uparrow,
$$

應觀察到：

$$
\frac{\partial^2 Q}{\partial N^2}<0
$$

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：

$$
N
$$

與：

$$
C
$$

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：

$$
Q.
$$

---

## 預測三：強單模型的最適 agent 數會下降

隨：

$$
I\uparrow,
$$

相同任務下：

$$
N^\ast\downarrow
$$

應在大量任務中成立。

---

## 預測四：固定總 compute 時存在明確 agent optimum

即：

$$
\exists N^\ast
$$

使：

$$
Q(N^\ast)>Q(N)
$$

對過小與過大的：

$$
N
$$

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：

$$
N_t(q)
$$

與：

$$
C_t(q)
$$

應逐步下降。

若始終只靠增加：

$$
N,
$$

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：

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

第二篇：

$$
\text{Sparse Local Matching}
$$

可以產生：

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

第三篇：

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

本文加入：

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

因此：

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

這表示當代 AI 的能力不能只用：

$$
P
$$

或：

$$
N
$$

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：

$$
P,
N,C,T,H
$$

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：

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

以及：

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

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：

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

並將：

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

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：

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

增加代理主要增加：

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

當：

$$
N
$$

仍處於 sweet spot，

這可以產生巨大收益。

但隨著：

$$
N\uparrow,
$$

會逐漸受到：

$$
\text{Correlation},
$$

$$
\text{Duplication},
$$

$$
\text{Communication},
$$

$$
\text{Coordination},
$$

$$
\text{Merge},
$$

$$
\text{Verification}
$$

限制。

因此真正需要追蹤的不是：

$$
N,
$$

而是：

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

與：

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

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：

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

---

# 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 $10^4$ concurrent agents；相關過程約使用 $2.7$ 百萬則 messages 與約 $130$ billion output tokens，並在首批 agents 啟動約 $88$ 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 $80\%$ performance variance；multi-agent research system 的 token 使用量約為一般 chat interaction 的 $15\times$。

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。