AI 集群不是更聪明，是更快——而且贵得离谱

上个月下旬（9 月 21 日），牛津的哲学家 Toby Ord 在自己的网站上发了一篇文章，讨论一个最近很热的方向：与其让一个 AI 想得更久，不如一次开很多个 AI agent，组成「集群」一起干活。我是在 Import AI 475 期里看到转述的，回头把原文读了一遍，觉得结论很值得记下来，但转述里也丢掉了两条很关键的限定。

一句话概括 Ord 的结论：加 agent，买到的是时间，不是智力。

他是怎么算的

OpenAI 在发布 GPT-5.6 Sol 时公布了一组性能曲线。Ord 拿这些公开图表，估算「集群规模」这条新缩放轴的系数，记作 λ。他得到的数是：

• BrowseComp：λ ≈ 0.68（置信区间 0.63–0.76）
• SEC-Bench Pro：λ ≈ 0.57（0.52–0.61）
• Terminal-Bench：λ ≈ 0.48（0.40–0.57）

翻译成人话：agent 数量放大 10 倍，性能大约只换来 3–5 倍；而把单个模型的推理 token 放大 10 倍，换来的就是实打实的 10 倍。照这个系数推下去，想用集群顶上「单体 token 放大 100 倍」的效果，集群得放大 900 倍到 15,000 倍。

两条必须说清楚的限定

这一段是转述里最容易被抹掉的，我觉得反而最重要。

第一，λ 不是实测值。它是 Ord 基于 OpenAI 自己发布页上的图表，让 Claude Opus 5 跑回归估出来的。也就是说，这是作者从公开图表反算的，属于二手数据上再推一层。

第二，「只改变集群大小」的那条曲线，OpenAI 并没有做过这个实验。Ord 原文自己写明了这一点，那段曲线是他根据已有数据模拟插值出来的（原话是 "Luckily, we can simulate this from their data."）。所以它是一个有根据的推算，不是实验结论。

带着这两条限定看，λ 更像是一个「量级判断」，而不是一个可以精确引用的常数。但即便只是量级，它指向的方向也很清楚。

集群到底买到了什么

Ord 举了一个小例子：一个 4-agent 的集群，总 token 大约是单体的 2 倍，每个 agent 分到的 token 大约是一半，于是理论上完成时间可以减半。多花的钱，换的是速度。

再看一个大例子。用 10,000 个 agent 组成的集群去解一个 Navier-Stokes 方程的变体：跑了 88 小时，agent 之间互发了 500 万条消息，消耗了 3,000 亿 token。Ord 按 API 价格估算，这一趟大约要 2,000 万美元。

他接着算了一笔性价比账：同样的结果，也可以用 100 个 agent 跑 37 天，成本大约是十分之一；或者用 1 个 agent 跑一年，成本大约是百分之一。

这笔账很直观：集群不是让 AI 变聪明，而是把原本需要很长时间的事情压缩到很短时间里完成，代价是成本成倍上升。如果你不赶时间，慢慢跑反而便宜得多。

最有意思的反差

在另一处，OpenAI 自己的研究员 Noam Brown 在 Dwarkesh 的播客里说过一句话（据 aiinsiders.net 引述）：「我甚至不会把 10% 的功劳归给多 agent，现实是 OpenAI 训出了一个非常强的模型。」

一边是外部研究者从公开图表反算出「集群买的是时间」，一边是做模型的人自己说「功劳主要在模型本身」。两头算，落到了同一件事上。

对我自己的启发

我平时用 AI 写代码、做网站，也会忍不住想多开几个 agent 并行跑。读完这篇，我给自己定了一个简单的判断：

• 如果卡住我的是「模型想不明白」，多开 agent 帮助有限，该换更强的模型，或者让它多想一会儿；
• 如果卡住我的是「时间来不及」，多开 agent 才是在花钱买时间，这时候要先算清楚这份时间值不值这个价。

把「聪明」和「快」分开看，很多关于 AI 集群的宣传就没那么唬人了。

写在最后

10,000 个 agent、88 小时、约 2,000 万美元，这组数字很壮观。但它说明的是「有钱可以买到速度」，而不是「人多就能变聪明」。在今天这个阶段，真正决定上限的，可能还是那一个模型本身有多强。

来源：

• Toby Ord, Swarm Scaling：tobyord.com/writing/swarm-scaling（2026-09-21）
• Import AI 475（Jack Clark 通讯，转述）
• Noam Brown 原话：aiinsiders.net 引 Dwarkesh 播客