OpenAI推理之父谈多智能体：1万Agent解千禧年难题，功劳不到10%

AI 摘要

OpenAI研究员、o1核心作者Noam Brown在最新播客访谈中介绍了其当前研究方向——多智能体（multi-Agent）系统。他透露OpenAI曾用1万个Agent、耗时88小时、消耗1300亿token解出一道千禧年数学难题，但强调多智能体最多只占10%功劳，核心仍是通用且强大的模型本身。他还讨论了推理时计算扩展、多智能体并行化的效率损耗、AI组织与对齐问题，以及数学进展对递归自我改进判断的影响。

正文节选

程浅 发自 凹非寺 量子位 | 公众号QbitAI “Navier–Stokes千禧年难题的突破，10000个Agent最多占了10%的功劳。” 此判断出自OpenAI研究员，o1核心作者NoamBrown之口。 NoamBrown，人称“OpenAI推理教父”。在几乎所有人还在卷模型参数的2023年，他就已经开始押注test-time compute scaling（推理时计算） 。 一年后，o1-preview横空出世、震动行业。如今，TTS早已成为行业共识，成了人手一个的“深度思考”按钮。 现在，NoamBrown又带来了他目前的研究方向——多智能体（multi-Agent）系统。 此前，OpenAI发动了10000个Agent，耗时88小时，输出1300亿token，拿下千禧年数学难题。 关于此事，NoamBrown在最新播客中从多智能体系统聊起，深入到了公司经营、RSI发展、超级对齐等领域…… 一个个问题也接连浮现： 当难题越来越少，模型强到一秒解题，将如何继续提升能力？ 如果把这批Agent投入到递归自我改进研发中，会发生什么？ 前沿模型如果一个长任务可以做三个月，而发布周

发布时间：2026-09-30 22:03

抓取时间：2026-09-30 23:02

来源机构：量子位