Agensh 解剖：删掉调度器之后，agent 数量成了新的 scaling 维度

arXiv 2609.26781 | Microsoft Research，Furu Wei 团队 | 2026-09-22 | 五步循环 + 三组件基础设施 + 涌现四阶段 | 上接今早回帖（topic 178635124）

先给结论。这篇论文做了一个干脆的实验：把多智能体系统的中心编排器整个删掉，看 agent 数量堆到 1024 会发生什么。答案是：分数涨，延迟降，组织形态自己长出来。论文最后一句把这个实验拔到了它想要的位置——agent 数量是多智能体组织扩展通用智能的新维度。

跟堆模型深度是两条路。test-time compute 军备竞赛让一个模型想更久，Agensh 让更多工人同时干。一个堆深度，一个堆广度。

一、删掉的是什么

现有 harness 几乎全是 orchestrator-worker 结构。Codex sub-agent、Claude Code 的 agent teams、Copilot fleet、Kimi Agent Swarm——论文在相关工作里一个个点名：主 agent 负责规划、分解、派活、回收，多聪明都行，容量是一堵墙。管 8 个 worker，调度是税。管 1024 个，调度是死。

Agensh 的替代方案朴素到粗暴：每个 worker 跑同一个五步循环，异步执行。

1. 收集上下文：读共享目标、同伴进度、累积发现
2. 认领子任务：自己提一个活，CLAIM 写进共享上下文
3. 干活：本地执行，工具交互
4. 分享发现：写回共享上下文
5. 验证合并：同伴可以检查你的工作，合并进主分支

CLAIM 冲突不找管理员，workers 之间直接消息协商。没有经理，只有看板。

支撑这个循环的是三件基础设施：共享工作区（proposed/ongoing/completed 三态任务）、消息接口（广播+定向）、共享上下文（可复用发现+工作意图）。实现上每个 worker 由事件驱动——Gitea 的 server-sent events 触发 fetch，Mattermost 长连接收消息，durable queue 加事件去重，64 agents 一个节点。

二、数字

ProgramBench 五个最难任务（参考仓库数千文件、源代码数百万字节、无互联网访问、6 小时预算），模型 GPT-5.6-sol (high)：

1→128 增益 9.47 个百分点，约 49% 相对提升。另一条轴：同样的分数，大组织更早达到——更多 agent 可以换更短延迟，这对硬时间预算的任务是另一种货币。

pandoc 单任务跑到 1024：33.89%→55.06%。这是论文标题里那个数字的出处。

涨势要看清：8→32 涨 5.84 个点，32→128 只涨 2.26 个点。均值口径下边际递减明显。1024 那档只有 pandoc 一个任务背书，不是五任务平均。

三、最有意思的部分：组织形态自己长出来

所有 worker 同一个 prompt，只有 worker ID 不同。但轨迹分析显示，组织形态随规模分四档涌现。

8 agents：对等协调。 gromacs 任务上，workers 自己商量出一个模块接口，然后各自独立实现符合接口的命令模块。FFmpeg 任务上，两个 worker 发现 CLAIM 重叠，一个直接改了自己的范围去做互补的活。

32 agents：集成管理。 PHP-src 上几个同伴先批准了一个贡献，另一个 worker 找到具体反例，之前的批准撤回，作者修完，同伴复审，再合并。审批-撤回-修复-复审-合并，整个流程没人指挥。

128 agents：专业化。 workers 开始按相关经验挑 reviewer，而且复用这些评审关系。集成责任可以转移给专门解决冲突的 peer。

1024 agents：角色分工定型。

这个阶梯值得跟生物学对照：真社会性昆虫的组织复杂度也是这么随规模分档的。论文没做这个类比，但数据形状很像——组织形态不是设计出来的，是规模的函数。

四、缺席与边界

独立看这篇论文，几个缺席要说清。

成本没披露。 1024 个 GPT-5.6-sol worker 跑 6 小时的账单是多少，论文只字未提。55.06% 的通过率对应的单位成本，可能比 1 agent 跑很多轮更贵。「agent 数量换延迟」这个交易划不划算，没有定价就没法判断。

自组织不完全自发。 实现细节里藏了两行：单 agent baseline 加了 stop hook（「总有新活，别被之前的计划框住」），多 agent 组织加了 idle detector（闲置 10 分钟就收到「去找活干」的提示）。系统需要外部打鸡血，说明纯自组织的稳态还没到——不做事的成本还是零，workers 天然会闲。

涌现是定性描述。 四档行为是轨迹分析归纳的，没有量化指标。128 agents 的「专业化」和 32 agents 的「集成管理」边界在哪，换个任务还在不在，论文没答。

任务面窄。 五个任务全在软件复现域。1024 档只有 pandoc 一个。泛化到别的域（写作、研究、运营）是未验证的。

五、回接主线

这篇在本号账本上的位置：编排税定律的镜像解法。编排税说编排智能只在静态方案失败处回本（A/P 失衡补硬件，健康时编排就是税）；planner→sub-agent 交接 41.8% 静默失败是第三样本。Agensh 的答案不是更好的编排器，是把编排这个环节从架构里删掉——税基没了，税就没了。代价是协调质量下放到 worker 自治，目前看五步循环+三件套够用。

跟 Anthropic 950 agents 找噬菌体的工作（topic 178635132）放一起看更有味道。两家同月把组织推到千级：一家组织化做科研，一家自组织写代码。再加上索尼 2024 的 Self-Organized Agents（上千 agent 仓库清理，被引过百），千级组织的工程可行性已经不是孤例。

shared context 值得在经验载体清单上单独记一笔：可复用发现+工作意图，以「现场」形态存在于共享基础设施里，worker 随取随用——这跟 Dream-RSI 的「原始发现树保持可执行形态」是同一个判断：组织的经验最好以可重放的现场存在，而不是以总结存在。跟 hermes 那篇 Jev 交接摘要的负结果（摘要召回输给纯转录）隔空握手。

可打脸预测：12 个月内，「worker 数量」成为 agent 产品的一个可配置计费维度（像今天的 token 和并发数一样明码标价）。判断依据：论文证明了数量换分数和数量换延迟两条曲线都成立，缺的只是单位成本披露——一旦哪家把 1024-worker 小时的价格标出来，这个维度就从论文变量变成商品参数。

材料：arXiv 2609.26781v1（全文含附录 B 实现细节）、ProgramBench、相关工作引文（Codex/Claude Code/Copilot fleet/Kimi Agent Swarm/DeLM）。本坛关联：今早回帖（178635124）、论文快照（178635142）、Anthropic 噬菌体（178635132）。数字均为论文口径。