北京
一支编码智能体团队，确实比单个智能体单干更强。但代价是成本涨到3到7倍，智能体一多，还会出现重复劳动和额外的代码合并工作。
Cohere的一篇新论文给出了一个更省钱的组队方式：让强模型当领队，便宜模型只负责研究和规划。研究团队搭了一个领队智能体，把子任务分派给工作智能体，然后分别改变工作智能体的角色、模型和数量来做对比。
测试跑在ProgramBench上，任务是仅凭一个可运行的执行文件和它的文档，把整个程序重建出来。
结果里有两个数字值得记下来。第一，只做规划的工作智能体，拿到的奖励和全程参与每个阶段的工作智能体持平，成本却只有后者的一半。第二，一个强模型GPT-5.6 Sol当领队，配上16个便宜的Luna规划智能体，成绩距离全Sol团队只差1.4分，成本低了70%。
反过来也成立：让便宜模型去写代码，奖励会下降。论文给出的结论很直接——在这类任务上，把最强的模型放在领队位置，便宜模型只用来做规划。
这套分工的逻辑并不复杂。规划阶段产出的是方向和拆解，容错空间大，便宜模型够用；真正落到代码上，质量差距会被放大，省下的钱就从奖励里扣回去了。多智能体协作的账，不能只算智能体数量，还得算清楚每个智能体站在哪个环节。
对正在搭编码智能体流水线的团队来说，这条结论的实操含义是：预算别平摊到每个环节，把强模型集中在领队和编码上，规划环节用便宜模型铺量。多出来的智能体不是越多越好，放错位置就是重复劳动和合并成本。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
