45 个 AI 协作发现 266 个软件漏洞，同一批 AI 单独工作只找到 21 个。我们认为，这组对比比“多开几个 AI”更值得关注：AI 的能力上限正从单体智力，转向能否组织成团队并获得真实反馈。

这是什么

文章提出，多智能体（多个 AI 分工协作，各自承担任务并交换信息）并不等于简单复制模型。多个 AI 如果只重复检查同一份材料，收益有限；只有引入单个 AI 原本无法取得的信息，例如运行测试、查看网页渲染截图或调用工具核实事实，才可能形成额外价值。

文中提到一项自我纠错实验：AI 仅复看并修改自己的答案，准确率由约 26% 降至更低；生成网页后，再将实际渲染截图与描述一并提供，通过率升至约 52%。这说明“多想几步”不如“多看一次真实结果”，因为前者可能只是沿着原有思路反复推演，后者才能暴露代码与预期之间的偏差。

行业怎么看

我们的判断是，AI 竞争正在从单模型能力，转向工作流设计能力。模型之间的差距仍重要，但决定实际产出的，往往是任务拆分、上下文共享（让后续成员理解前序工作的背景信息）、工具调用和验收机制是否可靠。

风险也很明确。更多步骤不必然带来更好结果，AI 可能提前停止或浅尝辄止；多个 AI 还会显著增加调用成本。组织设计也不是越多越好：共享全部记录容易造成信息拥堵，独立记录则需要额外通信机制。协作式 AI 还可能出现错误相互放大，因此必须保留独立验证和明确的最终负责人。

对普通人的影响

对企业 IT：企业采购 AI 时，不应只比较模型参数和单次回答质量，还要计算多智能体在真实任务中的调用成本、验证成本与失败率。一个流程清楚、工具可调用的单模型，可能比昂贵的协作系统更划算。

对个人职场：个人使用 AI 也适合采用“先独立完成，再引入外部检查”的方式：让 AI 生成结果后运行测试、核对原始资料或查看实际页面，而不是反复让它在脑内自我辩论。

对消费市场：随着 AI 产品开始强调团队协作，定价可能从按次数调用转向按任务完成计费。消费者会面对更强的工作流，也可能承担更多过程费用，判断标准应回到可验证的结果，而非同时打开了多少个 AI。