17 个 AI Agent，成本比 5 个顶级 Agent 低 70%，性能却几乎一样。 Cohere 最新一篇论文，可能揭示了 AI 多智能体系统最值得关… · @mylifcc · TwKit

@mylifcc

17 个 AI Agent，成本比 5 个顶级 Agent 低 70%，性能却几乎一样。 Cohere 最新一篇论文，可能揭示了 AI 多智能体系统最值得关注的方向。 研究人员测试了不同规模、不同模型组合的 AI 编程团队，结果发现：Agent 越多，不一定越强；全部使用最强模型，也不一定最划算。 最惊人的实验是：17 个混合模型 Agent，与 5 个强模型 Agent 相比，性能只差 1.4 个百分点，但推理成本降低约 70%。 这意味着，未来 AI 的竞争可能不只是比谁的模型更聪明，还要比谁能用更低的成本组织一支 AI 团队。 更有意思的是，研究人员把任务拆成规划、编码、验证三个阶段，发现一个反直觉的现象： 很多时候，多花钱让 AI 一起思考，比让它们一起写代码更有效。 在一个主要测试基准中，只让多个 Agent 并行规划，最后交给一个 Agent 执行，效果就接近全流程并行，成本却只有大约一半。 而当并行执行或验证的 Agent 超过约 4 个时，收益就开始明显递减。 当然，这不是所有任务的通用规律。对于已经有代码框架和测试的任务，并行编码反而更有价值。 核心在于：把更多 AI 投入真正困难的环节，而不是机械地增加数量。 这篇论文还有一个很值得深思的结论： 一个强模型带领多个便宜模型，有时比一群强模型更经济。 让强模型负责最终决策和整合，便宜模型负责探索、调查和提出方案，可以用很少的额外成本获得可观的性能提升。 但也有代价：更多 Agent 通常意味着更高的总成本、更复杂的协调，甚至更长的完成时间。 所以，未来最有价值的 AI 系统，未必拥有最多的 Agent。 它可能只是更清楚：什么时候需要一个 AI，什么时候需要十个，以及什么时候应该让其他九个闭嘴。 AI 团队的下一个突破，可能来自组织方式，而不只是模型本身。

曝光 384 · 评论 7 · 点赞 3 · 书签 2