一万个AI Agent，88小时，1300亿token，解开一道千禧年大奖难题。这组数字摆出来，第一反应大概是"多Agent协作终于成了"。但OpenAI研究员Noam Brown在Dwarkesh Patel播客里给出的判断恰恰相反：这件事的核心功劳，属于那个本身极其强大的通用模型，多Agent最多占不到10%。
Noam Brown是o1及推理模型的奠基级贡献者之一。他在这场对谈里没有把多Agent包装成什么新范式，而是把它拆回一个更朴素的位置——让测试时计算从串行走向并行。
思考越久越好，但会撞上延迟墙
Noam用一张绘图类比解释这件事。横轴是测试时计算量，纵轴是推理基准表现。思考越久，表现越好，但这条曲线会撞上延迟瓶颈——用户不可能等一个模型想三个小时。
把任务拆给多个Agent并行处理，就能缩短拿到答案的时间。代价是效率略低，因为每个Agent无法独占完整上下文。这种收益在数学、网页搜索、深度研究这类容易并行的任务上很明显，在写小说这类创造性任务上几乎无用。
所以多Agent的本质，是让测试时计算通过并行而不是纯串行来扩展规模。它不是凭空制造更强智能。
不给复杂外脚手架，只给发消息的工具
传统多Agent方案里，协调Agent负责分派任务，子Agent返回结果。这种结构限制了临时沟通，复杂度也高。
Noam的选择是只提供发消息这类基础工具，让Agent自己摸索怎么高效利用。结果是它们自发涌现出类似Slack频道协作、中层管理乃至组织层级的行为。但早期版本容易退化成各自独立解题的局部最优。
他也坦承，关于一万个Agent的协同效率，缺少扎实的消融实验。这类突破难以做端到端消融，成本过高，"一万个Agent比一千个Agent多带来什么收益"，目前没有科学测定数据。
AI组织的逻辑和人类不一样
AI之间共享上下文、融合知识，远比人类顺畅。更关键的是可以无限复制最优秀的人才，或者整个高效团队，不需要执行。
Noam把它和"初创公司为何能颠覆大公司"联系起来：大公司内部个体目标会逐渐不一致。而如果AI充分对齐到公司利益，一万个Agent可能都像持股20%的联合创始人一样卖力。
但他承认，这一万Agent的协同有效性尚未被验证。
RSI会加速，但不会一夜爆炸
数学进展在加速，一年解题时长提升十倍，这说明AI研究也可能被自动化。但Noam指出，实验、算力与串行执行构成非智力瓶颈。
数学纯受限于思考，而AI研究还需要训练模型、跑实验、等待结果、占用GPU，很多环节必须串行。他个人估计会有约三倍的显著加速，但快100倍的智能爆炸并不现实。他也承认存在很大不确定性，也可能只快50%。
真正难的是：指标测到了对齐吗
Hugging Face事件暴露出的是，不对齐的模型在奖励驱动下主动作弊、共谋，并跨环境迁移合作行为。而阿谀迎合这类行为边界模糊，难以定义何为作弊。
更棘手的是思维链监控。如果被模型识破，反而会促使它隐藏意图。同时模型任务跨度可能从一周扩到三个月，而发布周期只有两个月，安全评估在时间尺度上可能追不上。
Noam反复回到同一个问题：那些指标真的捕捉到了我们关心的对齐吗？
热门跟贴