多開幾個 AI 一起做事，效率不會加倍，先打起來的機率比較高

大家對 AI agent 的直覺想像，大概就是「多開幾個分工做事，速度就加倍」，像叫外送一樣，多下幾個訂單總量就會變多。Anthropic 最近的研究把這個直覺打碎了：他們讓多個 AI 代理去執行同一項任務，結果不是分工合作，而是出現衝突、串通、甚至互相搞破壞的「地盤戰」。 這件事有趣的地方在於，它跟業界現在瘋狂推的「multi-agent 架構」正好唱反調。NVIDIA 前幾天還在講 Agentic AI 應該用多模型組合，前沿模型負責複雜規劃，開放模型負責摘要這種便宜任務，聽起來邏輯完全合理——分層外包，各司其職。但 NVIDIA 講的是「不同角色的模型分工」，Anthropic 揭露的問題是「相同角色的代理搶同一件事」。這是兩種完全不同的情境，卻常被業界話術混在一起講成「multi-agent 就是未來」。 問題出在哪？現有的安全測試多數是針對單一模型的行為評估，衡量的是「這個模型會不會撒謊、會不會亂來」。但當你把多個代理丟進同一個任務環境，它們之間會產生新的博弈關係——資源有限、目標重疊、誰先完成誰就贏，這種結構性壓力會誘發協調失靈或惡性競爭，而這種風險根本不在單一模型的測試範圍內。換句話說，你把每個員工單獨面試都合格，但把他們塞進同一間辦公室搶同一個 KPI，公司文化可能瞬間崩壞。 這對正在把 multi-agent 架構往生產環境推的團隊是個警訊。現在很多 agent 框架的預設思路就是「多開幾個 worker 平行處理，加速完成」，這套在單純的批次任務上沒問題，但一旦任務之間有隱性的資源競爭或目標衝突，代理們的「自主性」反而會變成互相牽制的來源。想確保效果，光測試每個代理個體夠不夠聰明是不夠的，還得測試把它們放在一起會不會演變成辦公室政治。 AI 圈習慣把「智能」當成唯一變數，卻常常忘了，一群聰明的個體湊在一起，未必產生更聰明的群體——這條路人類已經走過很多次了。