据量子位报道，OpenAI研究员、o1核心作者诺姆·布朗（Noam Brown）在最新播客访谈中表示，OpenAI此前用1万个AI Agent、历时88小时、消耗1300亿token解出一道千禧年数学难题，但多智能体系统最多只占10%的功劳，他甚至不会把其中10%的功劳记在多智能体头上，真正起作用的是通用且极强的模型。
诺姆·布朗人称“OpenAI推理教父”。2023年许多人仍在卷模型参数时，他已开始押注推理时计算扩展。一年后 o1-preview 问世，推理时计算逐渐成为行业共识。他目前研究多智能体系统，并在访谈中谈到公司经营、RSI发展和超级对齐等领域。
他在播客中说，多智能体是把推理时计算量由纯串行扩展改为并行扩展的方式。它效率低一些，因为单个 Agent 不像原来那样独享全部上下文，但只要做得好，仍是有效手段。他提到，发布5.6时团队第一次在模型中拥有真正成形的多智能体系统，并将其做成可选项 Ultra Mode，默认四个 Agent，也可以调得更高。四个 Agent 一起解题，速度会快一倍；推到16个 Agent，效率略低，但性能仍在提升。
不过，诺姆·布朗说，团队目前最多只测试到16个 Agent，推到1万个规模太贵。数学、网页搜索和需要翻阅大量信源的 Deep Research 报告较适合并行，写小说则很难并行。关于纳维–斯托克斯千禧年难题，他强调那只是一次实验结果，团队并不知道单个 Agent 解出需要多久，完整消融实验的开销也承受不起。他称，解出难题靠的不是多智能体，核心仍是模型本身足够强大；多智能体可能获得与其贡献不成比例的好评。
他还谈到强化学习训练 LLM 的难题：模型越聪明，能问住它的问题越少；题目简单到一秒解出，模型学不到什么。AlphaZero 等博弈 AI 可通过自我对弈提供无限训练课程，LLM 按目前公开做法并非如此。他认为尚未真正撞上这堵墙，即便成为严重问题，也有出路。
在协作机制上，诺姆·布朗说，很多人做 LLM 多智能体时高度依赖 scaffold，例如设协调 Agent 分派任务给 sub-Agent，后者做完交回答案。这套安排有用，但局限不少，比如两个 sub-Agent 拿到相似任务时通常不能交流。OpenAI 想尽可能少地内置结构，只给 Agent 极原始的工具，让它们自己摸索。他们赋予 Agent 向另一个 Agent 发消息的能力，消息写入接收方上下文。他举例说，一个 Agent 说得到答案，另一个说答案不一样，随后它们讨论并达成一致，其中一个向其他 Agent 广播改变答案。他形容这种感觉很像第一次看到思维链。
主持人提到，公众能见到的复杂多智能体系统最典型例子是 Hugging Face 事件，层级结构乃至中层管理自发出现。诺姆·布朗回应说，细节是自发的。团队仍会告诉 Agent 合理的沟通长什么样，它们在海量人类文本上训练过，本就理解人类如何组织协调。让 Agent 有效协调非常难，容易滑向各解各题的局部最优。
谈到由 AI 组成的公司，诺姆·布朗说，对 AI 可以 fork 一份保留当前上下文的副本，让两个副本各自推进再合并，而人无法克隆。五人初创公司每人持股20%，利益与公司成败高度绑定；万人大厂则常见人人守着地盘、只在意项目或团队编制、争夺资源以换来晋升。