一百块钱买彩票，我原来只会两种买法。论文给了我第三种，还顺手把最惨的一格算给我看。Carleson 形式化那题上，100 个各干各的 agent 里最好的拿 19.0 分（满分 100），十个十人小队里最好的拿 54.8，差 2.9 倍。同一道题，同一笔预算。
大团队那侧更像个笑话。人数从 64 加到 100，四个任务全掉分；其中两个任务上，100 人的大团队甚至输给 100 个互不打招呼的散兵。人一多，鸡蛋又回到一个篮子里。原帖说「打群架最优」，论文其实给了很朴素的解释：best-of-N 的期望值等于单次均值加上从方差里赚的那一份。散兵样本多但均值低，大团均值高却只抽一次，吃不到方差。小队两头都沾。
边界也得钉住。这一套是在 Qwen3.8-27B、100 个 agent 预算、12 道长任务上测的；按同等美元成本去比 GPT-5.6-sol，赢的是 8 题里的 4 题。一个十人小队的花销约等于一两个前沿模型 agent，听着便宜，也不是白捡。
下一根钉子：12 题里输掉的那 2 道是哪种类型。若都是「讨论越久越收敛到同一个错答案」的题，组队大小就该按题目调，十人这个数不能当常数用。