您当前的位置: 首页 > AI资讯

OpenAI把多Agent做成产品,o1奠基人提醒别高估数量

作者:技术编辑 时间:2026-10-11 阅读数:人阅读

9月29日,OpenAI在DevDay 2026上把多Agent从研究能力推到产品主线,开始将可分工、可协作的“AI团队”作为产品交付给用户。从个人助手、企业虚拟同事到开发者基础设施,多Agent贯穿了这场发布会的全部环节。

Dots与Agents API:多Agent进入产品主线

OpenAI此次推出的核心产品是能够全天候工作的智能体Dots。个人Dot可以调用Codex完成编码任务,用户及其Dots可以在同一个Space中协作;面向企业的Specialist Dots则被设计用于承担特定职责。与此同时,Agents API将Harness、多智能体控制和计算机操作能力开放给开发者。

更多信息请查看 各地信息导航。

OpenAI还描绘了更进一步的愿景:未来,多个Dot将组成团队,协同为你工作。这意味着Agent不再只是单点调用的大模型接口,而是被组织成有分工、有上下文共享的协作单元。对开发者而言,Agents API的开放降低了搭建多智能体系统的门槛;对企业用户而言,Specialist Dots提供了一种把重复性职责交给虚拟同事的路径。

AI资讯实景配图

Noam Brown的提醒:数量不等于能力

当AI开始分工、交流、共同推进任务,把更多智能体组织在一起能带来多大提升?OpenAI研究员、o1及后续推理模型的早期奠基者之一Noam Brown在近期与播客主持人Dwarkesh Patel的对话中讨论了这个问题。

面对“一万个智能体协作、花费88小时、1300亿token解决千禧年难题”的说法,Noam Brown明确表示,解决千禧年大奖难题的功劳并不主要来自多智能体系统,他甚至不会把其中10%归给多智能体。在他看来,多智能体容易获得超出其实际贡献的关注,真正支撑突破的是一个足够强大的通用模型,以及让它持续运行、并行思考的能力。

他把多智能体理解为一种并行扩展测试时计算的方式:模型思考答案的时间越长,表现往往越好,但思考过程不断延长会遇到延迟瓶颈,让多个智能体一起处理某件事可以提高速度。代价是效率会低一些,因为并非由单个Agent独自掌握全部上下文。如果实现得当,多智能体是一种有效的测试时计算扩展方式。

从4个到1万个:协作效率仍是未知数

Noam Brown透露,团队测过单智能体、4个和16个智能体协同:在一些任务上,4个智能体能把速度提高一倍,也就是用两倍成本换两倍速度;16个也有类似规律,只是效率略低。总体看,加速略低于线性,而且非常依赖具体任务。

至于扩展到1万个智能体究竟会发生什么,他表示目前还没有很完善的认识,也还没有充分的实验数据能够准确说明万个智能体规模下的协调效率。能否有效交流、共享上下文、减少重复劳动并形成分工,决定了它们能否成为真正高效的团队。

这组信息对从业者的实际影响在于:多Agent的产品化已经落地,但把智能体数量当作能力指标的思路并不可靠。更值得投入的方向,是让单个模型足够强、让上下文共享和任务拆解更合理,而不是简单堆叠Agent数量。当这些能力被用于RSI,进步可能显著加快,但仍受实验时间和算力限制。更棘手的是,智能体之间配合得更好,并不等于它们始终服务于人类的目标。当越来越多的智能体协作更久、承担更多职责,如何确认它们在变强的同时也更值得信任,是Dots走向产品化后更现实的问题。

  • 产品侧:Dots、Specialist Dots与Agents API构成从个人到企业的多Agent交付路径。
  • 研究侧:多智能体是并行扩展测试时计算的方式,4个与16个智能体的加速略低于线性。
  • 风险侧:协作效率与目标对齐仍缺乏大规模实验数据支撑。

声明:该信息由用户发布,真实性以及合法性由发布人负责,本站不会介入任何形式的担保!

标签: AI资讯 大模型