多智能体架构遭遇边际递减困境
根据 The Decoder 于 2026 年 10 月 11 日的报道，多项独立测试与行业专家明确指出，AI 多智能体团队在执行任务时会消耗大量 Token 成本，但带来的质量提升却微乎其微。这些测试结果和专家观点直接挑战了“简单增加智能体数量即可线性或显著提升输出质量”的行业假设，揭示出当前多智能体架构在成本与收益上的严重不平衡。
随着 AI Token 价格的逐步走低，多智能体工作流和自动化应用的需求正在快速增长。然而，智能体系统消耗 Token 的惊人速度，也引发了行业内关于算力需求是否被“人为夸大”的广泛讨论。
实测数据对比：成本飙升与有限增益
Vals AI 在其 Vibe Code Bench 基准测试中对比了单智能体与多智能体团队的表现，结果显示智能体团队消耗的成本达到单个智能体的 1.8 倍到 5.1 倍。在其进行的四组对比测试中，仅有一组表现出统计学意义的显著提升：在“中等推理”设定下，GPT-6 Sol 团队得分比单智能体提高了 7.3 个百分点，从 77.6% 提升至 84.9%。
在“最大努力”设定下，Claude Opus 5.5 团队得分达到 93.2%，仅略高于单智能体的 89.8%，但平均成本却从 23.77 美元飙升至 122 美元，中位数运行时间也从 74.7 分钟延长至 174.1 分钟。Vals AI 指出，多智能体产生的大部分额外开销来自于缓存输入，因为每个子智能体在每次调用时都会重新发送自己的上下文。
Anthropic 包含 ProgramBench 测试在内的内部测试数据同样表明，随着智能体数量的增加，质量提升的幅度迅速缩小，呈现边际收益递减。数据显示，Claude Opus 5.5 在知识库任务中，智能体数量从 1 个增加到 100 个时得分从 0.53 变为 0.74，在 Lean 定理证明中则从 0.39 变为 0.68；而 Claude Fable 5.1 在知识库任务中，当规模从 30 个智能体扩展到 100 个时，得分甚至出现了轻微下降。
专家剖析“协调税”与工程优化方案
OpenAI 研究员 Noam Brown 在 2026 年 9 月的播客中确认，多智能体系统主要换取的是速度而非更高的质量。Brown 指出，4 个智能体完成任务的速度大约是单智能体的两倍，成本也大约是两倍；扩展到 16 个智能体时则呈现次线性加速，且并行化效果高度依赖于具体的任务类型。
OpenAI Codex 开发者 Eric Provencher 警告开发者不要滥用智能体集群，指出运行两个以上的并行子智能体几乎总是在浪费 Token 而无法提高质量。Provencher 将这种低效归咎于“协调税”，即智能体之间互不信任，导致过度验证和重复检查彼此的工作。他举例称，曾有项目使用 1,393 个 Fable 智能体来重构一个 1,393 行的 Python 文件，最终消耗了 20,000 美元的 Token，而这本可以由单个智能体以极低的成本完成。
从通信机制来看，频繁的状态轮询和重复的工具调用是导致 Token 浪费的重要原因。为此，Provencher 建议将任务委托给独立的线程，并在任务完成时才通知主智能体，以减少不必要的通信开销。