GPT-5.6 多智能体协作原理 — 为什么四智能体比一个更强

为什么需要多智能体

单个推理模型有一个天然瓶颈：它必须在同一条思维链里完成所有工作。当任务复杂度超过某个阈值后，单智能体会出现：

• 中间结论被后续步骤遗忘或错误引用
• 被早期决策锁定在次优解路径
• 无法同时评估多个方案
• 自我验证只能在有限范围内进行

GPT-5.6 的多智能体设计思路是：让多个独立实例各自思考，然后互相校验和交叉检查——类似于一个团队中的工程师分工协作。

ultra 的四智能体分工

虽然 OpenAI 没有公开 ultra 内部的精确分工策略，但从公开的工作方式来看，四智能体通常按照以下角色分工：

这个分工的巧妙之处在于 Critic 的独立性——它不是"自己检查自己"，而是从另一个 Sol 实例的角度来评估结果，能发现单智能体难以察觉的错误。

API 中的多智能体

如果你想在自己的应用中实现类似 ultra 的效果，可以用 Responses API 的多智能体功能：

response = client.responses.create(
    model="gpt-5.6-sol",
    input=[
        {"role": "user", "content": user_task}
    ],
    multi_agent={
        "enabled": True,
        "num_agents": 4,        # 可配置 2-16
        "effort": "max",        # 每个智能体的推理强度
        "task_strategy": "auto" # 自动分工策略
    }
)

task_strategy 可选值：

• "auto"：OpenAI 内置分工策略（推荐）
• "parallel"：所有智能体独立执行相同任务，最后合并
• "sequential"：智能体按顺序接力完成
• 自定义策略（需要提供 prompt 模板）

子智能体的能力边界

Ultra 中的每个子智能体本身就是一个完整的 Sol + max，拥有完整的推理、工具调用和电脑使用能力。它们不是"简化版 worker"，而是"专职专家"。

这意味着每个子智能体都可以：

• 独立调用浏览器工具进行网页搜索
• 独立运行代码并根据反馈调整
• 独立操作电脑（Computer Use）
• 独立调用 API 和外部服务

子智能体之间不直接通信，所有信息汇总都经过 Router。这种设计避免了智能体之间的"群体思维"（groupthink）——每个子智能体从完全独立的视角出发，最终结果的多样性和质量都更高。

实际工作流示例

假设任务是"从零开始开发一个 Todo 应用并部署"：

单 Sol + max 流程（约 40 轮调用）：

1. 分析需求 → 2. 选技术栈 → 3. 搭项目 → 4. 写组件 → 5. 测试 → 6. 修复 bug → 7. 写部署脚本 → 8. 部署 → 9. 最终验收

ultra 四智能体流程（约 15 轮调用）：

1. Planner 拆解：A 负责前端 + B 负责后端 + Critic 负责全程审查
2. A 和 B 并行开始，各自独立编码
3. Critic 每轮检查 A 和 B 的输出，发现跨模块接口不匹配
4. Router 协调修复方案
5. A 和 B 继续，Critic 做端到端集成测试
6. 最终产物：经过 Critic 多轮验证，几乎无 bug

什么时候自建多智能体

ultra 是开箱即用的方案。但你可能需要自己搭建多智能体系统的场景：

• 需要自定义分工策略（如 2 个代码 + 1 个测试 + 1 个文档）
• 不同子任务需要不同模型规格（如代码用 Sol、数据处理用 Luna）
• 需要持久化子智能体状态（每个子智能体可以跨会话积累经验）
• 需要可观测、可调试的多智能体执行过程

在 API 层面，你可以用 Responses API 的多智能体功能快速搭建，也可以手动为每个子智能体创建独立调用。

性能数据

OpenAI 在 BrowseComp（智能体网页浏览）测试中对比了不同智能体数量的效果：

SEC-Bench Pro（漏洞 PoC 生成）中：

16-agent 相比 4-agent 的提升已经很小（约 2 pct），但 Token 消耗增加了 4 倍。这就是为什么 ultra 默认配置为 4——这是效果和成本的最佳平衡点。