能力越强的语言模型，越可能'不需要'协作？

MIT Media Lab 在 Nature Machine Intelligence 发表研究：多智能体协作并非越多越好，当单一智能体能力超过某个阈值后，增加协作者反而可能增加开销、降低性能。

核心观点

MIT Media Lab 团队在 Nature Machine Intelligence（2026 年 7 月）发表研究 Capable language models can outgrow the benefits of collaboration，系统探讨了一个关键问题：

多智能体（multi-agent）协作何时优于单一强智能体？

研究者控制了任务提示、工具和计算预算，只改变"协作结构"与"模型能力"，在 6 个基准测试、5 种架构、3 个 LLM 系列、共 260 种配置下进行了对照实验。

核心发现： - 单一智能体基线性能是预测"协作能否提升性能"的最稳健指标 - 存在一个能力饱和阈值：当单一智能体足够强时，额外增加协作者很难提升性能，反而可能增加协调开销 - 该阈值在 SWE-bench Verified 和 Terminal-Bench 验证集中能正确预测 94% 的配置效果

对中国的启示

在 AI 快速渗透中国企业的今天，这一研究提醒我们：不要盲目追求"多智能体协作"。真正的问题不是"加多少 AI"，而是"如何让最合适的能力在合适的容器中以合适的方式协同"——这正是集体智慧课程要训练的能力。

与 DSG 框架的呼应

DSG 的 SFM Collaboration Spiral™ 同样强调：协作不是目的，而是让智慧涌现的手段。当个体状态稳定、容器安全、结构清晰时，协同才能产生 1+1>2 的效果；否则只是人多嘴杂。

来源