OpenAI研究员Noam Brown透露，1万个AI Agent耗时88小时、消耗1300亿token解出千禧年数学难题，但多智能体系统的功劳最多只占10%，真正起决定作用的是通用且极强的基座模型。
他指出多智能体本质是把串行思考改为并行扩展，4个Agent协作可将解题速度提升一倍，扩展至16个仍有增益，但效率呈亚线性且高度依赖任务类型。
他强调模型泛化能力惊人，训练时从未接触千禧年难题仍能迁移解决，但模型越强能考住它的难题越少，LLM未必重走AlphaGo式自我对弈的超车路径。
对于递归自我改进，他判断加速显著但不会一夜智能爆炸，预计到2030年各实验室将握有数亿人类水平智能的算力，但拒绝预测AI研发完全自动化的具体年份。