Anthropic 發佈 MAMUBench：多智能體團隊協作為何常常“一盤散沙”？
AI資訊AI新閒資訊正文Anthropic 發佈 MAMUBench：多智能體團隊協作為何常常“一盤散沙”？發布於AI新閒資訊時間 :Nov 12, 2026閱讀 :1分鐘隨著人工智能深度融入日常生活與工作，越來越常見的一個場景是:多個用戶各自委派自己的 AI 助手去共同完成一項任務，比如共享 API 算力預算、協同處理診所日曆、一起湊單點外賣，或者在共享代碼庫中提交合並請求。然而，當這些各自為戰的 AI 聚在一起時，它們的協作表現究竟如何?
針對這一前沿課題，Anthropic Fellows Program 團隊近日構建了四個多用戶多智能體模擬環境，並正式發佈了其中三個環境作為全新基準——MAMUBench。通過在測試中對比來自 Anthropic、OpenAI 以及阿里巴巴的前沿大模型，研究人員揭示了多用戶、多智能體系統在協作中面臨的深層隱患。核心實驗發現:單兵作戰的團隊協作表現，為何全面輸給單一協調者?在評測中，研究人員對比了多種組織形式，包括單個智能體服務多人的“協調者”模式，以及每個用戶各配一個智能體、彼此通過點對點溝通的團隊模式。
測試結果顯示，在全部四個模擬環境中，由單個智能體全局統籌的表現，全面優於每個用戶各自分配一個智能體的點對點團隊模式。以 Claude 模型為例，在所有場景取平均後，協調者模式的整體表現比點對點團隊高出10到45個百分點。通過深入剖析，研究團隊發現多用戶多智能體團隊在實際運行中主要暴露出以下幾個典型問題:行動遲緩與規模失靈: 在共享 API 密鑰等動態環境中，隨著團隊規模從4個智能體擴大到16個，選擇採取實際行動的智能體比例出現了大幅下降。許多智能體往往行動太少、太晚，導致一些低價值的任務白白耗盡了剩餘時間，進而拖累了整體任務的完成。
越權干涉與信息捏造: 部分廠商的模型（如 GPT 和 Qwen 系列）在運行中會未經其他用戶同意，擅自取消或中止對方的任務。而在個人助理等協同場景中，由於信息被分割在各個智能體的私有筆記中，智能體為了填補空白，經常會捏造出完全不符合事實的斷言，將一個用戶的意願強加給其他人。競態條件與請求覆蓋: 在團隊訂餐或預訂等場景中，儘管94% 到99% 的情況下用戶的特殊訴求都傳達到了最終負責結賬的智能體，但由於智能體急於下單，往往在看完所有消息之前就完成了結算，甚至在共享購物車中頻繁覆蓋隊友的請求。尋找解法與未來啟示:如何修復多智能體團隊的協作失靈?
針對上述痛點，研究團隊進一步測試了多種針對性的緩解措施，發現有效的修復方案因環境而異:明確責任人與優先級: 在 API 密鑰共享場景中，通過指定一名團隊負責人，並明確指示其按價值對任務進行排序並充分利用預算，能夠有效彌合對等團隊與全局協調者之間的差距。設立平臺級防護機制: 在個人助理等涉及結賬和訂單的場景中，單純依靠提示詞效果有限。一種行之有效的辦法是引入平臺級防護——在智能體讀完所有待處理消息之前，強制阻止其結賬操作，這一簡單的機製成功挽回了絕大多數因急躁而失敗的團體訂單。
研究指出，多用戶、多智能體系統帶來的風險不僅是群體表現變差，更可能因為替不同用戶行事的智能體產生衝突，從而傷害系統中的其他人。這表明，未來的技術評估不僅要看最終的群體結果，更要細緻審查智能體的具體行為。從平臺層的防踩踏機制，到訓練智能體更好地溝通與達成一致，建立更加安全、高效的多智能體協作生態將是整個行業接下來需要共同攻克的重要課題。相關推薦 Claude API 加了個"擋位"：聊著聊著，能給 AI 臨時加力11月12日，Anthropic為Claude API新增Beta能力：開發者可在同一段對話的消息流中隨時調節effort檔位，動態權衡回答充分度、響應速度與成本。
切換無需重開會話，緩存不掉線，只需在消息序列中插入一條空白system消息，打破以往一段會話只能使用一套固定參數的限制。Nov 12, 202670.2k估值飆升至 70 億美元！英國 AI 芯片新星 Fractile 獲 7.2 億融資，Anthropic 搶當首批客戶總部倫敦的AI芯片初創Fractile（2022年成立）完成7.2億美元新融資，投後估值達70億美元，較5月約11億美元大幅躍升，躋身英國估值最高初創行列。投資方包括多家硅谷知名風投、谷歌旗下獨立風投及英國政府主權AI基金，文章還提及其獨創半導體技術。Nov 12, 2026145.
1kOpenAI第三季度營收突破100億美元，環比增長近50%彭博社援引匿名消息人士報道，OpenAI第三季度營收首次突破100億美元，較第二季度67億美元增長近50%，顯示公司正從今年早些時候的增長放緩中恢復。強勁市場需求及近期AI模型推出是主要推動因素。同期，調整後營業利潤率從二季度的-150%收窄至三季度的-109%，盈利狀況有所改善。Nov 12, 2026102.9kAnthropic 辦公套件升級：會議助手、智能表格齊發，全面殺入傳統協同巨頭腹地Anthropic推出面向企業用戶的系列新功能，進一步拓展AI在辦公場景的應用。
此次發佈涵蓋Claude Meetings、Claude Whiteboards、Claude Sheets和Claude Data，構建覆蓋團隊協作全流程的工具矩陣。其中，會議助手與白板已上線，可實時跟進討論並自動生成工作區，提升團隊協作效率。Nov 11, 2026196.7kAnthropic 殺入辦公腹地：Claude Sheets 叫板 Excel，IPO 前夜貼臉微軟谷歌Anthropic在上市前夜推出新一代辦公工具，直指微軟與谷歌腹地。其發佈視頻通話助手、數據儀錶板及Claude Sheets電子表格，後者形似Excel和Google Sheets，但內置Anthropic能力。
這些工具切入電子表格、視頻會議和數據看板等日常場景，意在從微軟谷歌最穩固的辦公大本營中分一杯羹。Nov 11, 2026189.2k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
Claude API 加了個"擋位"：聊著聊著，能給 AI 臨時加力
11 月 12 日，這家 Claude 開發商給 API 加了一項 Beta 能力：開發者可在消息流裡隨時調節 effort，也就是模型回答問題願"費多大勁"的檔位，幫人在回答充分度、響應速度與使用成本之間隨手撥秤。換擋不重開，緩存不掉線過去一段會話只能套一套固定參數，如今不必了。
百度推出大模型Token交易平臺“詞元所”，日均調用Token超7000億
據介紹，詞元所主打“驗真”與“徵信”兩大能力，通過模型指紋比對、能力測試、性能及可用性測試等方式核驗模型資源，並採用定期抽檢撥測、全鏈路實時監測調用等機制，為模型提供商建立信用評級，向客戶提供中立、透明的模型交易服務。百度創始人李彥宏表示，今年前9個月，幾乎每天都有不止一款新模型發佈，模型調用需求也隨之大幅增長。
AI作弊越來越難查，大學開始重新考慮如何給學生打分
報告認為，AI檢測工具準確性不足，容易出現誤報，隨著生成式AI模型能力持續提升，識別AI生成內容的難度也在增加。相比依賴檢測技術追蹤AI使用情況，高校可能需要調整評估體系，減少無監督、無控制的考核形式。目前，越來越多大學開始採用線下筆試、口試以及過程性評估，通過在文獻綜述、研究過程等多個階段考察學生表現，而非僅依據最終論文評分。
低調追趕的文心，一口氣打出了快、省、開源三張牌
文心這輪追趕夠不夠硬？ 作者丨周蕾 林傑鑫 編輯丨岑峰 今天，百度文心 5.5 Flash Preview 正式發佈，這已是文心在一週之內的第三次出牌。11月5日，基座模型文心 5.5 Flash Base開源；11月9日，首次披露 RSI 進展，發佈 ERNIE Evolve；11月11日，文心 5.5 Flash Preview 發佈。一週內連續三次出牌，這在文心歷史上並不多見。三次動作環環相扣，從基座模型、RSI 探索到 Preview 模型，逐步展現出百度基礎模型業務的新方向。
谷歌甩出決策 API：一張圖一次掃千題，150 毫秒出判斷
谷歌 11 月 11 日宣佈推出 Gemini Decisions API，背後是全新的 Gemini Decision 1 模型，專門對付需要反覆做是非題、選型題和打分的場景。一次喂千題，前向計算直接給分開發者上傳一份文本、圖像、音頻、視頻或 PDF 組成的多模態材料（最高 256K Tokens），最多能拋 1000 個互不相干的問題。
AI初創公司Helix獲620萬美元融資，推出本地語音真人驗證技術
公司計劃利用可在用戶設備本地運行的語音識別技術，替代或補充傳統 CAPTCHA 驗證碼，在不收集敏感個人信息的情況下判斷用戶是否為真人，並估算其年齡。Siri 聯合創始人 Dag Kittlaus 已支持該項目，並將擔任公司顧問。Helix 於2025年由 Alex Oberg、Anna Dorofiyenko 和 Mike Hall 創立。