Anthropic 发布 MAMUBench：多智能体团队协作为何往往难以形成合力？

Anthropic 近日发布 **MAMUBench**，将评测焦点从单智能体任务能力转向多智能体团队协作效能。该基准的核心价值在于揭示一个常被忽视的问题：多个能力较强的智能体简单“组队”，并不必然带来更优的团队产出。换言之，多智能体系统的瓶颈往往不在个体智能水平，而在团队层面的协调机制。

从评测逻辑看，MAMUBench 关注的不是某个智能体能否独立完成任务，而是团队能否在分工、通信、决策与纠错中形成合力。多智能体协作通常面临三类摩擦：其一，**目标与角色错位**，个体各自优化局部目标，导致全局效率下降；其二，**通信开销与信息失真**，频繁交互可能增加成本，也可能在转述中丢失关键上下文；其三，**协调与信用分配困难**，团队难以判断贡献归属，进而影响策略迭代。个体越强，若缺乏统一协议和冲突解决机制，反而可能放大分歧。

MAMUBench 的意义在于把“团队效能”变成可观测、可比较的评测对象。它提示产业界：多智能体系统的设计不能只堆叠模型能力，还需重视任务分解、共享记忆、通信协议、仲裁机制和失败恢复。未来，多智能体竞争的关键指标或将从“单体最强”转向“团队最稳”，从任务完成率扩展到协作成本、鲁棒性与可解释性。只有把协调机制纳入工程与评测闭环，多智能体才可能从“多人围观”走向“真正合力”。