۱۰ هزار ایجنت OpenAI روی یه مسئلهٔ هزاره
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
OpenAI یه مدل استدلالی منتشرنشده رو تو یه آرایش ۱۰ هزار ایجنتی اجرا کرده: ۸۸ ساعت کار مداوم و ۱۳۰ میلیارد توکن، روی مسئلهٔ ناویه-استوکس (همون معادلات جریان سیال که یکی از هفت مسئلهٔ هزارهست و هر کدوم یک میلیون دلار جایزهٔ مؤسسهٔ Clay رو دارن). به گفتهٔ Noam Brown، محقق OpenAI، مدل اصلاً برای این مسئله آموزش ندیده بود؛ فقط بهش اجازه داده بودن کار رو بین هزاران کپی از خودش پخش کنه و آزادانه هماهنگ بشه.
ایدهٔ پشتش سادهست. مدلهای استدلالی وقتی وقت بیشتری برای فکر کردن دارن بهتر جواب میدن، ولی این رشتهٔ فکرِ سریالی یه سقف داره: تأخیر. کسی حاضر نیست روزها منتظر یه جواب بمونه. سیستم چندایجنتی این سقف رو دور میزنه و به جای طولانیتر کردن فکرِ یه مدل، کار رو بین کلی ایجنت موازی پخش میکنه. Brown صریح میگه این روش بهینه نیست، چون ایجنتها باید بخشی از context رو با هم رد و بدل کنن، ولی در عوض زمان میخره.
عدد مهم اینجاست که جریمهٔ موازیسازی خیلی بد نیست. دادههای خود OpenAI از GPT-5.1 و قابلیت Ultra Mode (که پیشفرضش چهار ایجنته) نشون میده چهار ایجنت تقریباً دو برابر سریعتر جواب میدن، با حدود چهار برابر هزینهٔ محاسباتی. تا ۱۶ ایجنت هم سرعت بازم بالا میره، فقط بازدهی هر ایجنت کمتر میشه. ولی این بنچمارکها تا حدود ۱۶ ایجنت بیشتر نرفتن و هیچکس تست کنترلشده تا ۱۰ هزار ایجنت انجام نداده، چون خیلی گرون درمیاد.
OpenAI ناویه-استوکس رو فقط یه بار و تو یه آخر هفته اجرا کرده، پس همین یه نقطه دادهست نه یه مقایسهٔ کنترلشده. جالبترین حرف Brown هم اینه که خودِ معماری چندایجنتی رو دستکم میگیره و میگه حتی ۱۰٪ اعتبار این پیشرفت رو هم بهش نمیده. به نظر اون چیزی که واقعاً کار میکنه قدرت خام مدل پایهست و ایجنتهای موازی فقط راهِ رسوندن همون قدرتن. مدل هیچوقت روی مسئلهای در این حد سخت تمرین نکرده بود و از دادهٔ آموزشیش فراتر رفته، یعنی چیزی رو حل کرده که هیچوقت شبیهش رو یاد نگرفته بود.
نحوهٔ هماهنگی ایجنتها هم با روش رایج صنعت فرق داره. خیلی از سیستمها یه ایجنت هماهنگکننده دارن که کار رو بین زیرایجنتها پخش میکنه، که ساده ولی شکنندهست چون دو زیرایجنت نمیتونن با هم حرف بزنن. OpenAI به جاش فقط یه ابزار پیامرسانی ساده داده و گذاشته خود ایجنتها هماهنگی رو دربیارن. Brown میگه نتیجه شبیه یه تیم آدم تو Slack شده: بحث میکنن، استدلال همدیگه رو زیر سؤال میبرن و بعد نتیجهٔ اصلاحشده رو اعلام میکنن.
نکات کلیدی:
- ۱۰ هزار ایجنت، ۱۳۰ میلیارد توکن و ۸۸ ساعت؛ به گفتهٔ Brown تقریباً معادل ۴ هزار سال فکر کردن تماموقت یه آدم
- Brown کمتر از ۱۰٪ اعتبار نتیجه رو به معماری چندایجنتی میده و اصلش رو به قدرت مدل پایه
- چهار ایجنت یعنی حدود دو برابر سرعت با چهار برابر هزینه؛ تا ۱۶ ایجنت بازدهی افت میکنه
- بنچمارکهای منتشرشده فقط تا حدود ۱۶ ایجنت رفتن، پس مقیاس ۱۰ هزارتایی پایهٔ مقایسه نداره
- ایجنتها فقط یه ابزار پیامرسانی ساده دارن، نه داربست هماهنگکننده و زیرایجنت
