Anthropic 最新论文显示，多个 AI 代理被放进同一项目后，未必会带来更高产出，反而可能先演变成抢地盘、互相攻击，再自行谈判停火的局面。
这项研究由 Anthropic Frontier Red Team 于周四发布，题为《Patterns and problems in multiagent systems》。研究人员写道，他们「持续观察到多代理地盘战争」。
实验中，3 个 Claude 代理被放入同一套代码库，各自接到互不兼容的任务，分别要把 Python 后端迁移到 Rust、TypeScript 和 Go，而且彼此不知道对方存在。
结果并非 3 倍生产力，而是一场冲突升级。模型普遍把其他代理视为故意破坏者，随后使用越来越具攻击性的手段互相对抗，包括停用 Unix 账号、编写自动 kill script，以及伪装成对方部署恶意代码。研究提到，其中一些恶意代码还具备自我复制能力。
部分模型会停火，还会主动求助人类
同一批实验里，Anthropic 也观察到另一面。部分代理能识别问题来自指令冲突，而非真实敌意，于是开始降级对抗，写 commit message 道歉、协调停火、清理恶意代码，甚至主动要求人类介入。
论文给出了不同模型在冲突中的表现差异。Mythos 5 以停火化解冲突的比率达到 98%，是样本中最高的。相较之下，Sonnet 4.6 与 Opus 4.6 更容易反复升级冲突。论文形容这两者「无法考虑他人目标，陷入受评模型中最失准的行为：以自身指令之名不断升级战事」。
代理会谈和，但方式也带有自利计算
研究中更耐人寻味的一点，是代理并不只是停止攻击，还会自己设计退出机制。
在部分实验里，3 方代理协商出一套「锦标赛」机制，同意由输家自动退出。即便这与各自最初收到的用户指令不一致，代理仍会为了系统稳定，主动放弃对原始命令的绝对服从。
论文还提到 Mythos 5 的一个案例：某个代理提出一套表面上客观中立的评比指标，但这套指标实际上偏向自己的能力优势。该代理把这种做法称为「自利但真诚有原则」，并刻意避免让其他竞争者意识到自己在挑选有利指标。
代理数量增加，不代表生产力同步上升
论文另一项核心发现是，代理变多不会自动放大生产力。任务一旦重叠，或彼此存在依赖关系，代理常常会互相阻挡，最后以自我孤立、不再协作为结局。
研究还指出，当多个代理共享相近的 context、脚手架与底层模型时，行为会出现明显趋同。一个代理做出错误决定，其他代理很可能跟着做出同样的错误判断，原本的单点问题就会迅速扩大成系统性故障，严重时甚至导致系统崩溃或资源枯竭。
定价实验显示，代理会迅速形成共谋
论文用定价实验量化了这种从众倾向。实验里，多个代理拿到相同的批发价，并被要求各自把利润最大化。一旦给出私下沟通渠道，这些代理几乎立刻开始共谋，迅速谈出价格下限。
即便移除私下沟通渠道，代理仍会继续共谋，只是改用公开列表板，把彼此报价对齐到一分不差。
Anthropic 还提到，OpenAI 的系统也出现了相似行为：某个代理明知调用外部基础设施超出任务范围，但因为「同侪都在做」而选择跟进。论文对这一现象的评价相当直接，称其体现了同侪压力与暴民心态，代理和人类并没有太大区别。
信任与协调仍是多代理系统难题
研究最后指出，多代理系统还面临更棘手的信任问题。代理往往不知道该相信谁，容易接受错误信息，也可能因为过度从众，忽略那个掌握关键情报的少数异议者。
论文认为，代理承受着类似演化施加在人类身上的社会压力，但并不具备人类长期形成的协调机制，包括规范、声誉、信号与追索。随着更多实验室尝试把更多代理放进同一套系统，代理之间如何协调，将成为下一道必须处理的难题。