Nature子刊：多智能体协作有上限
今天分享一篇2026年7月24日发表在《Nature Machine Intelligence》上的研究，结论相当反直觉——多智能体协作，居然存在能力天花板！

研究背景与问题

基于大语言模型的智能体（Agent）已被广泛部署，能够推理、规划并使用工具完成任务。但一个根本问题始终悬而未决：多智能体协作什么时候真正优于一个强大的单智能体？现有研究各说各话，缺乏系统性答案。

研究设计

团队做了一项大规模对照实验——固定任务提示、工具和计算预算，只改变两个变量：协作架构和模型能力。覆盖260种配置、6个基准测试、5种协作架构、3个LLM家族（GPT、Claude、Llama）。这个规模在同类研究中相当罕见。

关键结果

通过实证协作指标构建预测模型，团队发现：单智能体基线性能，是预测协作能否带来增益的最强因子。

具体而言，研究者识别出一个“能力饱和阈值”——当单智能体性能超过某个临界点后，增加更多智能体非但不会提升表现，反而可能拖后腿。

数据分析

验证集上，该阈值正确预测了多智能体协作效果的94%。也就是说，几乎每10次协作尝试中，有9次可以提前预判到底该不该组队——强模型独自干活更高效，弱模型才需要抱团取暖。

核心结论

协作不是“人越多越好”。低能力模型通过互相纠错、补充信息短板可获得明显增益；高能力模型自身推理置信度极高，协作时容易互相强化同类偏见、重复同质化错误，最终协作收益归零甚至为负。这就是“能力饱和”的本质——不是协作本身有问题，而是强模型不需要队友。

临床与工程启示

这项研究对医疗AI多智能体系统设计有直接指导意义：基层辅助诊断系统可以用多个轻量化小模型协作互补，兼顾准确率与成本；三甲级高精度专科AI，单主模型独立推理架构反而更高效——盲目堆砌多个顶尖模型只会空耗算力，并不会降低误诊率。

一句话总结：协作增效有个隐藏前提——队友得比你弱。强强联手，大概率是1+1