一分钟读论文：《同等预算下，单智能体为何胜过多智能体？》

By Unbug Follow May 11, 2026 · 1 min read

信息论视角的理论基础

论文从数据处理不等式出发，建立了单智能体与多智能体系统在固定推理token预算下的理论对比框架。核心论点是：在完美利用上下文的前提下，单智能体系统是信息效率更高的架构。

多智能体系统在执行过程中涉及多个agent之间的通信和协调，每一次信息传递都引入了额外的信息瓶颈。数据处理不等式是信息论的基本结论：信息在通过一系列处理步骤后不会增加。多智能体系统中的通信环节拉长了信息处理的链条，每一次转述与摘要都可能丢失细节，导致信息损耗。相比之下，单智能体系统在统一上下文内部进行推理，所有中间结论都直接可见，避免了跨agent的信息衰减。

实验设计与核心结果

论文在三个模型系列（Qwen3-30B-A3B、DeepSeek-R1-Distill-Llama-70B、Gemini-2.5）和两个多跳推理数据集（FRAMES、MuSiQue）上进行了对比实验，涵盖集中式、去中心化等五种多智能体架构。多跳推理要求模型串联多条分散信息才能得出答案，是检验信息传递效率的典型场景。

核心发现是：在推理token预算匹配的前提下，单智能体系统是最强的默认架构。跨模型系列和数据集，单智能体在所有预算条件下都是性能最优或与最优系统统计上无显著差异。此外，单智能体在达成相同或更好结果的同时，消耗的推理token远少于任何多智能体变体。这一结论与站内《多智能体什么时候该用、什么时候不该用？》相互印证：Google Research的180组受控实验同样显示，在顺序推理任务上多智能体变体普遍导致性能下降。

上下文退化实验

理论预测单智能体的优势依赖于上下文质量，那么这一优势在什么条件下会失效？论文通过四种上下文退化方式验证了理论预测的边界条件。实验结果显示了一个清晰的临界点：在轻度退化时，单智能体仍然领先；在重度退化（如掩码比例达到0.7，即七成上下文被遮蔽）时，多智能体系统开始反超。这一结果验证了理论预测——当单智能体的有效上下文利用率下降到一定程度后，结构化多步推理才展现出对退化的鲁棒性。

评估方法论的诊断

论文还揭示了两个重要的评估 artifact。首先是API层面的预算控制存在偏差，特别是Gemini-2.5的thinking token（模型内部思考过程消耗的token）计数机制不透明，可能扭曲实际消耗的计算量。其次是基准测试对改写敏感，部分多智能体系统的优势可能源于对特定问题表述的过拟合，而非真正的推理能力提升。

这些发现表明，许多被报告的多智能体系统优势，可能更好地由未计量的计算开销和上下文效应来解释，而非内在的架构优势。在预算不对等的条件下比较架构，得出的结论天然不可靠。