他们找到了一种新范式，让一群聪明的 Agent 既能高效协作，又能保持独立进化。
编辑丨马晓宁 高允毅
德勤 2026 年最新报告显示，86% 的多 Agent 项目在真实落地时遭遇失败。硅谷频发“无限智能体死循环”：多个 Agent 在协同处理任务时因意见不合互相纠错，导致空转数小时，消耗大量 Token 却无实质进展。
大模型的智力已非瓶颈，行业真正的痛点在于工程协作：如何让一群聪明的 Agent 既听话又高效地合作？
EvoMap 团队推出的 EvoX 给出了答案。它摒弃了叠加“超级总管”的传统思路，转而采用“蜂群式自进化”策略：每个 Agent 独立执行、各自进化，最终像自然界蜂群一样自主汇合。实测数据显示，该系统容错率翻倍，长周期任务完成率显著提升，且大幅降低了成本。
01 别不信，你的 Agent 大概率也撞过这堵墙
当前市面上的 Agent 系统主要存在两种形态：
第一种：单打独斗。一个 Agent 负责全流程。短任务尚可，一旦任务变长，上下文截断导致关键指令被淹没，信噪比急剧下降。
第二种：主从团队（Agent Team）。由主 Agent 拆解任务，子 Agent 执行后汇报。这种模式实为“传话游戏”，每多一层传递，信息失真风险便增加一分。最终交付的往往不是最优解，而是主 Agent 基于有限上下文“重新理解”后的版本。
多 Agent 系统的核心瓶颈从来不是数量，而是角色协作、多轮汇合机制以及能否涌现出有效的组织形式。EvoX 提出了三个关键评判标准：
- 复杂任务能否被完整覆盖？
- 局部结果能否可靠汇合？
- 系统能否进化出更有效的组织方式？
这比单纯堆砌 Agent 数量更为复杂，也更贴近用户实际需求。
02 别再堆 Agent 数量了，这种组织方式效果更好
EvoX 的核心理念是：复杂任务不应依赖单个超级 Agent 兜底，也不应照搬人类公司的科层制。理想方案是将大任务拆解为边界清晰的原子任务，每个 Agent 专注负责特定模块，通过可靠接口自动汇合，拼成完整拼图。
这种模式类似大自然中的“蜂群筑巢”。
团队在六个主流 Benchmark 上进行了验证，涵盖 563 个任务（包括逻辑、数学、物理等）。在模型、题集和判分标准一致的前提下，对比了三种工作模式：
- 蜂群模式（EvoX）：任务拆分为原子级，每题由独立 Agent 处理，答案写入约定位置，程序按题号自动回收。
- Agent Team 模式：模拟主协调 Agent（如 Claude Code），先见全题、拆分子任务、连续解题汇报，最后由主 Agent 合成答案。
- 单体模式：一个 Agent 在同一上下文中完成全部任务。
结果显示，同一模型下，三种模式的正确率呈现明显差距。蜂群模式胜在三点：
- 拆解更细：原子任务边界明确，覆盖关系可追踪。
- 执行隔离：每个 Agent 仅面对局部问题，不受其他任务上下文干扰。
- 汇合不转述：程序直接按约定位置回收答案，避免了主观压缩和信息取舍。
蜂群模式的灵魂在于：多 Agent 的产出在汇总时，不再受限于主 Agent 的上下文窗口。
03 传话式协作，弄丢了近六成正确结果
深入分析 Agent Team 模式的中间过程发现：在 563 个任务中，过程中曾有 373 个答案正确。但经过报告传递和主协调 Agent 综合后，最终交付的正确答案仅剩 217 个。
这意味着，有 166 个一度正确的答案在交付环节丢失或出错，过程正确答案的保留率仅为 55.50%。如同传话游戏，每一层传递都可能导致信息失真。
EvoX 的核心优势在于不让正确答案经历不必要的传递。每题有固定的处理者和输出位，Agent 解题后由程序直接回收，无需其他 Agent 转述。
这是主从式团队与蜂群模式的根本分野：前者将“汇总”责任交给上层模型判断，后者仅需一个可检查、可执行、可复现的接口进行“汇合”。在长周期任务中，这种工程复杂度的差异决定了最终效果。
04 蜂群不止会干活，还会自己挑队友了
真实任务往往充满依赖、冲突和动态变化。更进一步的问题是：Agent 能否自主长出专长、选择伙伴并构建组织结构？
团队进行了第二项实验，聚焦于“选伙伴”这一动作。24 个同配置 Agent 在执行任务后将经验沉淀为"Gene（经验基因）”。随着某类心得积累，Agent 在下轮选择同类任务的概率提升，形成独特的“履历”。
随后，让这些 Agent 从同一张关系网出发，随机打断部分连接，由其自主选择新连接对象。
结果显示，信息暴露方式决定了组织形态：
- 仅看社交信息：Agent 倾向维持原关系，形成小圈子。
- 加入任务信息：Agent 开始关注候选者的专业侧重和正确率，倾向于选择“更靠谱”的伙伴而非“朋友的朋友”。
这表明组织并非凭空产生。系统向 Agent 暴露什么信息，Agent 就长出什么样的连接方式。信息设计即组织设计。下一步将是实现协作闭环：交换 Gene、寻找互补伙伴以及在失败时自动替补。
05 跑分见真章：EvoX 不比 Codex 差
在 Opus 4.8 同一模型基础上，EvoX 与 Claude Code、Codex 在 6 个主流 Benchmark 的 424 个独立任务中进行同台竞技：
- Claude Code 通过 358 个任务。
- EvoX 与 Codex 均通过 338 个任务。
Claude Code 领先约 4.72 个百分点，但 EvoX 已达到与 Codex 同级别水平，且在特定领域展现出更强优势：
- AppWorld：EvoX 得分 87/90，优于 Codex 9 个任务。
- GAIA：EvoX 与 Claude Code 并列最高（49/51）。
- SWE Multilingual：三家差距微小。
当然，EvoX 在 Terminal-Bench 2 和 Cybench 上仍有提升空间。Benchmark 结果证明，Agent 系统本身已开始具备可衡量的产品能力：能拆任务、能并行、能保住中间正确结果并在复杂环境中稳定交付。
06 效果没输，成本还省了一大截
成本是 Benchmark 中常被忽略的关键维度。按统一价目表计算，EvoX 每个任务成本为 6.10 美元，为三者最低；按实际缓存计价则为 1.95 美元，明显低于 Codex。
这表明 EvoX 并非靠堆砌预算换取分数。可持续的 Agent 系统必须懂得何时拆分、如何验证、怎样汇合以及低成本重试。能力交付与成本控制缺一不可。
07 这不是工具，是会自己变强的系统
目前的 EvoX 仍处于 Beta 阶段，但其方向性优势已在真实任务中显现。它正推动 Agent 产品从“一次性工具”向“持续演化系统”转变。
传统的模型 API 更像一次性交易，而 EvoX 旨在建立持续变强的关系：
- 任务越跑，系统越懂如何拆解；
- 经验越多，Agent 越清楚彼此专长；
- 反馈越足，蜂群组织越高效。
长期来看，客户获得的不仅是一堆 Token 生成的结果，而是一套逐渐了解任务边界、团队偏好和业务环境的 Agent 基础设施。
08 自进化，Agent 的下一道墙
这一路线呼应了强化学习之父 Richard Sutton 关于“经验时代”的判断：下一阶段 AI 能力的提升将主要来自真实环境中的长期行动、反馈与持续学习。
在 Agent 系统层面，这意味着“自组织蜂群”将成为主流。静态 Agent 的局限需要被持续进化的系统打破。大模型竞争的下半场，不仅是比拼模型智商，更是比拼谁能正确拆解任务、留存经验，并让一群 Agent 在没有中央大脑兜底的情况下完成任务。
自进化蜂群范式已站在起点，能否将正确结果稳定送达终点，才是 Agent 真正要跨越的下一道墙。