OpenAI 用萬名代理攻數學難題，協作加速幅度仍待實測

OpenAI 在 2026 年 9 月公布的多代理協作研究動用約萬名代理，卻還沒量出這個規模讓研究快了多少。 這個落差，直接影響企業該如何看待下一筆 AI 預算：代理數量可以寫進規格表，效益仍要靠對照證據。

在 2026 年 9 月 17 日的訪談中，OpenAI 研究員 Noam Brown 說，團隊尚未做過單一代理解同一道題的實驗。他主觀判斷，多代理協作的功勞不到一成，主要突破來自更強的模型。這個比例是研究員的歸因，並非實驗量出的貢獻率。原始訪談

多代理協作指的是讓多個 AI 執行個體分工、交換資訊，共同推進任務。對買方而言，還要確認增加代理後，能否更快交出驗收合格的成果。

1,300 億 token 的規模，與它沒有回答的問題

OpenAI 在 9 月 8 日公布 Navier–Stokes 研究，稱找到流體方程在特定條件下形成奇異點的證明。其研究紀錄列出以下數字。官方研究說明

token 是模型處理與生成文字的切分單位。它可以衡量輸出規模，卻不能直接衡量一個想法的價值。重複嘗試、推翻錯誤與整理成果，都可能消耗 token；帳面上的量不會自動告訴讀者，哪一部分對答案有幫助。

還少了一組比較。同樣的模型、同樣的題目，交給較小的團隊，能否在可接受的時間完成？若少量代理根本無法完成，增加規模可能打開原先做不到的工作。若小團隊只慢一點點，大規模並行的商業理由就必須來自期限的價值。兩種情況都合理，但需要不同的證據。

目前不能用這次成果判定哪一種成立。把成功案例當成投資起點可以，把它當成所有企業工作的報酬率，會跳過太多尚未量測的條件。

「4,000 年思考」是一個比喻，換算條件不能省略

主持人 Dwarkesh Patel 把這批 token 比作一個人每天思考 8 小時、按照正常工作週工作約 4,000 年。這是訪談中的直覺比喻，並非人類研究工時的實測結果。訪談中的換算說法

要把它當成計算式，至少得先指定每秒對應多少 token、一年有幾個工作日，以及機器輸出與人類思考之間採取什麼對應。即使算術一致，也只能得到所選假設下的等值輸出時間。人會停下來判斷問題是否值得做，也可能在沒有形成語句時產生理解；token 計數沒有測量這些活動。

因此，這個比喻能幫人感受規模，卻不能替人力預算定價。企業若拿它估算可裁減多少研究人員，等於把尚未建立的換算關係直接放進財務模型。

比較可用的做法，是把需求改寫成可觀察的交付條件。例如，一份研究報告必須逐項附上可查證的來源；一份候選方案必須通過事先約定的限制。先說清楚什麼算完成，才有辦法比較完成時間與成本。

多代理協作值得買多少，要看驗收後的時間

企業評估時，可以先固定資料與驗收標準，再比較幾種配置。以下是本文的建議，OpenAI 並未公布這組對照實驗。

其中最容易漏算的是驗收。有些輸出很快，交付後卻需要大量補證據；另一些配置生成較慢，但比較容易確認正確。若採購報表只記錄第一份答案出現的時間，就可能獎勵了把工作移給審查者的系統。

對照也不必一開始就做到萬名代理。先在有代表性的內部工作上比較幾種可負擔的規模，便能看出下一筆預算是否值得花。測試中途換模型、換資料或放寬驗收條件，都應另外記錄，否則無法把變快歸因於代理數量。

有明確截止時間的工作尤其值得單獨評估。晚一天交付可能失去機會，這時多花運算費換時間，有合理的商業理由。沒有時間壓力的例行工作，則可能更適合追求每份合格成果的成本。兩者不宜共用一張只看速度的排行榜。

形式化證明提供查驗入口，獎項認定另有流程

OpenAI 已公開 Lean 4 形式化內容與獨立檢查說明。其儲存庫把 Navier–Stokes 結果界定在有外力的條件，對應官方問題的 C、D 形式；不能擴寫成所有流體情境都已解決。公開證明儲存庫

Lean 是用來表述與檢查形式化證明的工具。公開這類材料，讓外部讀者有機會查驗具體命題，證據程度比單看模型生成一段自信的文字更高。本文未自行編譯或審核整份證明，不能據此宣告獨立驗證完成。

截至 9 月 18 日，Clay Mathematics Institute 的問題頁仍標示為 Active。其獎項規則要求合格出版、至少經過兩年，以及數學界普遍接受，才會考慮候選解答。研究團隊公布成果與獎項機構認定，應分開報導。問題狀態、官方獎項規則

企業驗收也需要分清這幾個階段。產出候選答案、通過檢查、准許拿來做決策，是不同的階段。採購方應指定誰負責最後一關，並把相關時間算進專案。否則，自動化省下的時間很容易在交接時被高估。

常見問題

這次研究證明萬名代理比單一代理快一萬倍嗎？

沒有。缺少同題、同模型與同等驗收要求的對照結果，無法從代理數量直接推算加速倍率。

1,300 億個 token 可以換算成研究成本嗎？

不能只靠輸出量得出總成本。還要知道實際計價或運算成本、其他資源與人工審查支出，這次公開資料不足以替別人的專案報價。

多代理協作適合直接列入採購規格嗎？

可以列出需求，但應把可驗收的品質、時間與成本一起寫入。單列代理數量，無法證明系統對公司的工作有幫助。

權威來源

• Dwarkesh Podcast：Noam Brown 原始訪談
• OpenAI：Navier–Stokes 研究公告
• OpenAI：公開形式化證明儲存庫
• Clay Mathematics Institute：Navier–Stokes 問題頁
• Clay Mathematics Institute：千禧年獎項規則

Author Insight

我會要求供應商把最有把握的工作交給不同規模的代理團隊，沿用同一份驗收表，再談年度預算。若更多代理確實能在關鍵期限前交出合格成果，溢價有討論空間；若只展示更多訊息與更長輸出，我還看不到加價的理由。

用語表

With over 20 years of experience in technology, and the startup industry, I am passionate about AI and driving innovation. Keeping the engine running

Loading...