[鸭哥 AI 手记] 2026-10-21: 多 agent 贵三到五倍，不如调高一档

懒人包：Vals AI 挑了 50 道写 Web 应用的题（Vals AI），把 GPT-6 Sol 的推理档位从 medium 调到 max 单干涨了 11.4 分，保持 medium 拉团队只涨 7.3 分，账单还是单干的 1.8 到 5.1 倍。昨天一共发了 2 篇 AI 文章。第一篇多 agent 不是更聪明，是更贵：它到底买到了什么算清了多 agent 到底买到了什么，给了一张四行速查表；第二篇一次性软件已经主流：ChatGPT Sites 托管 800 万站点，只是很多人还没察觉讲 ChatGPT Sites 托管规模扩大后，选型要看清身份、数据、运行时三个位置。

多 agent 的账：加一个 agent，还是调高一档

Anthropic 复盘自己的系统发现，单 agent 用的 token 大约是 chat 的 4 倍，多 agent 涨到约 15 倍；在 BrowseComp 上，token 用量单独解释了 80% 的得分方差。多花的三到五倍钱，买的是把更多 token 花出去，推理本身没有变强。

Cohere 也做了类似的实验。他们在 ProgramBench 上做了 200 道题，每个配置重复 3 次。只让子 agent 负责探索与规划，拿到 63.6% 的分，花了 249 美元；把规划、实现和验证都交给子 agent，分数是 63.2%，账单涨到 510 美元。只委派规划，分数没掉，账单少了一半。

钱要压在瓶颈上。Cognition 给出的工程结论是写入必须单线程，额外的 agent 只负责给判断，不直接修改状态。MAST 统计了 7 个框架的 1600 多条轨迹，发现步骤重复占了失效情况的 15.7%，推理与行动不一致占 13.2%。

微软研究院做了 Fork-and-Flush（论文），在关键决策点分叉探路，把父代冗长的思考历史整个清空，只留阶段性结论。在 13 个长周期任务上，这种做法得分 0.78，单跑只有 0.47，提升了 66%。花这笔钱换来的是搜索多样性，让 agent 能跳出原来的思路。

如果任务没有在这些地方卡住，加 agent 的性价比会很快下降。在 Vals 的实验里，虽然 Opus max 团队拿到了全场最高分，但成本是 Opus medium 单打的 30 倍，分数只高了 1.6 分（p=0.36）。整个实验中唯一有显著收益的团队，是 Sol medium 团队比单打高了 7.3 分（p=0.005）。

鸭哥在多 agent 不是更聪明，是更贵：它到底买到了什么里给了一张四行速查表。表中把任务卡在哪一行、多 agent 管不管用、更划算的做法该怎么选列在一起，附带各家实测的原始数字，方便下次在流程里拉入第二个 agent 之前先算一遍账。

---

一次性软件：800 万站点，没人觉得自己在用

多花几倍钱能买到什么是一笔账，把维护交给平台能省掉什么是另一笔账。OpenAI 在 DevDay 现场公布 ChatGPT Sites 已经托管了 800 万个站点（Simon Willison）。注意这是托管的数量，包括私有站点和工作区内部的工具，不等同于 800 万个公开网站。

很多人觉得身边没有人使用这种平台，这其实是一种错觉。一次性软件的传播主要依赖链接，通过链接打开并填写表格或查看数据的人并不会意识到自己是平台的用户；工具制作者可能一个月只生成一两次页面，所有的交互都发生在链接中。

平台很少默认提供生产级支持，根源不在技术，在谁愿意为可靠性买单。个人图省事，企业图治理，开发者图有后路，加上平台自己的收入结构，一共四本账。

一次性软件用完就扔没有负担，但如果要把项目交给工程师继续迭代，就得看清身份、数据、运行时这三个位置。ChatGPT Sites 的底层是每站 10GB 的 D1 关系库与 R2 对象存储（官方文档），发布时先存候选版本，再原地替换生产 URL（官方文档）。

ChatGPT Sites 的版本回滚只恢复代码，不恢复数据库和已上传的文件（帮助中心）；发布如果失败，数据库里可能已经有了部分写入，而且公开文档里目前查不到发布 API 和导出说明。

Lovable 的年化经常性收入达到了 4 亿美元（Bloomberg），收入主要来自个人和小团队的月度订阅。GitHub Spark 在 2026-08-04 停止接纳新用户，并于 8 月 31 日退役（GitHub）。

鸭哥在一次性软件已经主流：ChatGPT Sites 托管 800 万站点，只是很多人还没察觉里把三类付费者和平台自己的账分开算了，还理出了四年四代产品的路线演变，以及选型时需要回答的三个问题：访客是谁、未来要不要迁出、有没有后台常驻需求。

---

也值得知道

Claude Duet：Anthropic 10-21 发布研究预览，基于 Opus 5.5 运行，支持 iOS/Android/Web，内置云端 VM + 浏览器，每隔几小时查一次连接的 Gmail 和日历，早上发一份简报。仅限美国 Pro/Max 用户排队，额度与 Claude 共享。（官方）

DeepInfer：DeepSeek 10-20 以 Apache 2.0 开源生产推理框架，仅支持 V4.1-Flash，官方称单集群每天处理 155 万亿 token，按谷时价格每 GPU 小时收入约 38 美元；开源的是离线推理，KV cache 和完整 PD 分离没放出来。（GitHub）

PHP 两个 RCE：CVE-2026-109618 和 CVE-2026-109619（CVSS 9.2），影响 8.2 到 8.5，10-21 发布补丁。Wiz 称 PHP 驱动全球 70% 的网站；Wiz 用 Atlas + Gemini 4 Argon + GPT-5.6 Sol 发现并报告了两个漏洞，OpenAI 说 Calif 用 GPT-5.6 Sol 独立找到了其中一个。

---

本期由 AI 基于鸭哥已发布文章和公开资料整理生成，请注意甄别幻觉。

订阅本 newsletter：daily.yage.ai