2026年6月，多智能体（Multi-Agent）系统走过了"demo 决定一切"的阶段，进入了一个被规模法则（Scaling Laws）重新定义的成熟期。最关键的转变来自 Google DeepMind 于 2025 年 12 月发布的论文《Towards a Science of Scaling Agent Systems》（arXiv:2512.08296），它通过 180 组配置的受控实验，首次把"该上几个 Agent"从玄学变成了可预测的公式。核心结论只有一句话：协调成本的增长速度快于能力的增长速度。这意味着每多加一个 Agent，你付出的"协作税"比它带来的能力增量更大，于是在某个临界点 N* 之后，系统收益由正转负——甚至退化到不如单 Agent。本文从这条规模法则出发，结合 2026 年 5–6 月最新的成本实测数据，拆解协调指数 α>1、任务复杂度主导变量、N* 最优解、拓扑定生死、Token 税与延迟红线、顺序规划退化等六个维度，给出一份"何时上多 Agent、何时果断单 Agent"的工程决策框架。
下面的数据综合自 Google DeepMind 的规模法则论文与 Koenig AI Academy 2026 年 5 月 31 日发布的《The Real Cost of Multi-Agent Orchestration in 2026》。注意"准确率提升"一栏——这是最容易在 demo 里被粉饰的指标，而成本与延迟乘数才是生产环境的真实判决书。
| 编排模式 | 准确率提升 | 成本乘数 | 延迟乘数 | 协调指数 α | 最适场景 | 主要陷阱 |
|---|---|---|---|---|---|---|
| Pipeline（流水线） | +2–4% | 1.5–2× | 2–4× | 中（线性） | 可分阶段、线性工作流 | 阶段间串行累积延迟 |
| Parallel Fan-Out（并行扇出） | +4–8% | 2–3× | 0.8×（更快） | 低（无交互） | 真正可并行的工作 | 不可并行的任务强行拆分=纯亏 |
| Supervisor（集中监督） | 依赖协调 | 3–5× | 5–15× | 高（星型瓶颈） | 子 Agent 必须频繁协调时 | 最贵模式，应作为最后手段 |
| Mesh（去中心化对等） | 鲁棒但波动 | 高 | 高 | 最高（α>1 最显著） | 容错优先、节点可失效 | 消息爆炸，N 稍大即塌方 |
| 单 Agent / Workflow | 基准 | 1× | 1× | 0 | 固定路径任务 | 复杂度上来后天花板低 |
关键观察：准确率提升的差距最多到 8 倍量级，但成本与延迟乘数的差距同样到 8 倍量级——多 Agent 从来不是免费的，它把"能力提升"和"协调开销"绑在了同一根曲线上。
传统直觉认为"人多力量大"，Agent 越多能力越强。规模法则论文用数学证伪了这一点。它把一个 Agent 系统的总效用建模为：效用 = 能力增益 − 协调成本。其中能力增益随 Agent 数 N 呈亚线性增长（每个新 Agent 贡献递减），而协调成本随 N 呈超线性增长，引入了一个协调指数 α。论文的核心发现是：在绝大多数真实任务上，α > 1。
这意味着协调成本曲线比能力曲线更陡。两条曲线必然相交于某个 N*，在 N* 之前净效用为正且上升，在 N* 之后净效用开始下降。当 α 显著大于 1 时，曲线不是平缓下滑而是"塌方式"下跌——因为协调成本里隐藏着上下文压缩、消息广播、状态同步、冲突仲裁这些 O(N²) 量级的项。理解 α>1 是理解一切多 Agent 失败的根：它不是工程没做好，而是数学结构决定的。
# 协调指数 α 的核心建模（规模法则框架简化版）
def total_utility(N, alpha, capability_gain, task_complexity):
# 能力增益：亚线性（对数级），每个新Agent贡献递减
gain = capability_gain * (1 - (1/N)**0.5) * (task_complexity)
# 协调成本：超线性，alpha>1 时随N加速膨胀
cost = coordination_base * (N ** alpha)
return gain - cost
# alpha=1.4 时，N=7 往往已是 N* 临界点；alpha=1.8 时 N* 可低至 4
规模法则把"任务复杂度"识别为影响 N* 的主导变量，而不是模型大小或 Agent 数。论文在 180 组配置里观察到三类截然不同的曲线：
这条结论对工程选型极具杀伤力：你无法脱离任务复杂度去谈"多 Agent 好不好"。把困难任务堆给一群弱 Agent，本质是在用 α>1 的协调税去补贴能力不足，越堆越亏。正确做法是先判断任务落在哪条曲线上。
既然存在最优 N*，那它怎么算？规模法则给出的是一个预测模型，输入三个变量——任务复杂度、底层模型能力、协调成本——输出"再加下一个 Agent 是否值得"。它的判据是边际效用：当第 N+1 个 Agent 带来的能力增量 ≤ 它引入的协调成本增量时，就到达 N*。
在配合 2026 年实测数据后，经验值非常稳定：
| 任务类型 | 经验 N* | 超过后的代价 |
|---|---|---|
| 信息检索/问答 | 1–2 | 准确率不升，Token 成本线性涨 |
| 代码生成/审查 | 3–4 | 多 Agent 辩论收益开始被协调延迟吃掉 |
| 复杂研究/规划 | 5–7 | N>7 后通常塌方，需引入分层而非平铺 |
| 创意发散/投票 | 5–10 | 唯一 α 可控的区间（"More Agents"投票场景） |
值得专门点名的是 Tencent 的《More Agents Is All You Need》（arXiv:2402.05120），它用"采样+投票"证明性能随 Agent 数提升。但仔细看，那是在无协调、纯投票的特殊场景下 α≈0 才成立的——一旦 Agent 之间需要互相通信、共享上下文，α 立刻 >1，那篇论文的乐观曲线就失效了。这也是为什么 2026 年的共识从"more agents"转向"right agents"。
规模法则的第二大结论：拓扑结构比 Agent 数量更重要。同样 8 个 Agent，拓扑选错可以让成本差 5–8 倍。原因是不同拓扑的协调指数 α 不同：
一句话：拓扑先于数量。在纠结"上几个 Agent"之前，先问"它们要不要互相说话"——要说话，立刻警惕 α>1。
理论讲完，落到钱包。Koenig AI Academy 的 2026 实测给出了冰冷的数字：一个 10 步的多 Agent 编排循环，其 Token 消耗是单次 LLM 调用的 8–15 倍。原因有两个叠加项——每多一个 Agent 都要把共享上下文重新塞进自己的上下文窗口（上下文膨胀），且 Agent 间每轮通信都在重复传递已存在的状态（重复传输）。两者相乘，成本曲线天然陡峭。
具体账：
还有一条容易被忽视的延迟红线：10–30 秒的往返延迟在产品里是一个转化率问题，不只是体验问题。当 Supervisor 模式把延迟推到 5–15 倍，用户早就离开了。因此生产里推荐一个保守乘数：在基线 API 预算上再乘 1.7–2.0 倍作为真实预算，这个"实世界乘数"来自多 Agent 系统在失败重试、上下文重传上的隐性损耗。
成本和延迟是显性税，但多 Agent 还有一项隐性税最致命：顺序规划能力的退化。2026 实测发现，几乎所有多 Agent 拓扑在需要连贯、长程顺序推理的任务上，相比同等算力的单 Agent，准确率退化 39–70%。
机理很清楚：顺序规划依赖于全局一致的思维链。一旦把任务切碎分给多个 Agent，每个 Agent 只看到局部，跨 Agent 的依赖（"第 3 步的结论是第 7 步的前提"）就必须靠消息传递重建，而重建永远有信息损耗和时序错位。Agent 之间的"接力"会丢失单 Agent 内部那种隐式的、无需显式表达的中间状态。
这解释了一个反直觉现象：很多时候，把预算花在"一个更强的单 Agent + 更精细的工具/记忆"上，比堆 5 个中等 Agent 效果更好。对于固定路径的任务，Workflow Agent（确定性工作流，编排层零 LLM）能在相同召回质量下比 Supervisor 全上下文模式少用 93% 的 Token——因为它根本不付那笔协调税。判断标准很干脆：你的任务核心是"并行扩展"还是"顺序规划"？ 前者多 Agent 划算，后者多 Agent 是负资产。
规模法则的第三个输入变量是底层模型能力，它和 N* 存在一个有趣的对冲关系：模型越弱，单 Agent 天花板越低，多 Agent 的相对价值窗口越大——但这个窗口只在中低复杂度任务上打开。对高复杂度任务，弱模型堆 Agent 是饮鸩止渴，因为 α>1 的协调税会先于能力提升把系统压垮。
这给了 2026 年一种现实策略：异构分层。底层用弱模型跑高并发、低协调的 Fan-Out（如海量文档检索、初筛分类），顶层用强模型做顺序规划与最终裁决。这种"弱模型并行 + 强模型串行"的混合，本质上是在不同复杂度的子任务上分别逼近各自的 N*，而不是全局用一个 N。它也呼应了"异构多智能体分层路由"的工程范式，但落脚点不同——这里分层是为了贴合规模法则的曲线形状，让每一层都落在倒 U 的顶点附近，而不是拍脑袋设层数。
下图把规模法则的决策逻辑可视化：任务进入后先过"复杂度/可并行性"分类器，分流到四条路径，每条路径对应不同的拓扑与 N* 策略，最终都收敛到"边际效用是否为正"的检验闸门。
flowchart TD
Task[任务输入] --> Class{复杂度与可并行性分类}
Class -->|简单任务| S1[单 Agent / Workflow]
Class -->|真正可并行| S2[Parallel Fan-Out<br/>α最低 延迟0.8×]
Class -->|线性可分阶段| S3[Pipeline<br/>α中等 延迟2-4×]
Class -->|频繁协调/容错| S4[Supervisor或Mesh<br/>α高 3-15×成本]
S1 --> Check
S2 --> Check
S3 --> Check
S4 --> Check
Check{边际效用 > 0?<br/>能力增量 vs 协调税}
Check -->|是| Add[在N*内继续<br/>监控α]
Check -->|否| Stop[停在第N个Agent<br/>α>1已塌方]
Add --> Gate
Stop --> Gate[产出]
subgraph 规模法则核心
Curve[效用=能力增益 - 协调成本<br/>α>1 → 协调成本超线性]
end
Gate -.受约束于.-> Curve
下面这张效用曲线图更直观地展示了为什么存在 N* 与塌方：
graph LR
subgraph 倒U效用曲线
A["N=1"] --- B(["N*=3-6<br/>峰值"])
B --- C["N>N*<br/>净效用塌方"]
D["能力增益<br/>亚线性↑"] -.-> B
E["协调成本<br/>α>1 超线性↑↑"] -.-> C
end
基于规模法则与 2026 实测，给出四类典型场景的推荐：
场景 A：客服问答 / 知识检索。 任务简单、可并行性低。推荐单 Agent + RAG + Workflow，N=1。强行上多 Agent 只会增加 8–15× Token 税却换不来准确率。若召回不足，优先扩检索而非堆 Agent。
场景 B：大规模文档处理 / 数据清洗。 任务天然可并行。推荐 Parallel Fan-Out，N 可放宽到 10–50（因为 α≈0），用弱模型跑量，延迟反而比单 Agent 快。这是多 Agent 最物有所值的场景。
场景 C：代码生成 / 复杂研究 / 多步规划。 顺序规划为主。推荐强模型单 Agent 起步；只有当确实需要多角色协作（如编码+审查+测试）时，才上 Pipeline（N=3–4），并严格监控是否越过 N*。避免 Supervisor——除非子任务必须实时协调。
场景 D：高容错 / 不稳定环境的关键流程。 推荐 Mesh 或分层 Supervisor，但要为 3–5× 成本与 5–15× 延迟做好预算，并接受顺序规划退化 39–70% 的代价。这是"用钱换鲁棒性"的明确交易。
贯穿所有场景的一条铁律：先证明 α，再决定 N。在加下一个 Agent 之前，强制问一句——"它的能力增量，能否覆盖它带来的协调税？" 答案不能是直觉，必须是测量。2026 年多 Agent 工程的成熟标志，就是不再相信"more agents"，而是相信"right agents at right topology under measured α"。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。