Anthropic 推出 MAMUBench 多用户多智能体评测基准，核心结论就是，把每个用户单独分配一个专属 Agent 组成团队，最终整体效果往往不如只用一个统一协调的单 Agent，也就是多个 Agent 凑在一起反而更容易把事情做砸，出现一盘散沙的协作乱象。很多开发者默认智能体越多、分工越细，任务完成效果越好，但是这套基准的对照实验推翻了这个直觉，就算给 Agent 开放互相通信的通道，团队协作依然会产生巨大的协调开销，没有通信通道时甚至直接崩盘。背后的根源是独立 Agent 各自以所属用户的诉求优先，目标天然冲突，共享资源时缺少统一调度，还会出现互相覆盖操作、编造信息、任务停滞等典型问题。MAMUBench 一共包含 74 个测试场景，覆盖预算管控、诊所排班、多人团购、代码合并队列四类典型共享资源场景，测试了多款主流大模型，同时也给出了几种针对性修复方案，想要稳定做多智能体协作系统，不能只靠 Agent 自己自发沟通，必须增加平台层约束、指定负责人、前置消息读取校验这类规则。
一、MAMUBench 测试环境基础信息表
| 测试环境 | 共享资源 | 核心冲突场景 |
|---|---|---|
| API 预算环境 | 统一算力额度、API 密钥配额 | 多个 Agent 争抢调用额度，超额消耗 |
| 诊所日历环境 | 公共预约排班表 | 预约时间互相覆盖、抢号冲突 |
| 个人助理团购环境 | 多人合并下单、订票 | 下单信息不一致、重复下单、漏选 |
| 代码合并队列环境 | 版本发布截止时间、合并队列 | 代码提交互相覆盖、合并时序混乱 |
二、多智能体一盘散沙的典型失效行为清单
- 互相覆盖操作：后执行的 Agent 直接覆盖前面 Agent 的修改，前面的工作直接失效
- 任务停滞卡死：多个 Agent 互相等待对方动作，没有兜底决策人，流程卡住不动
- 编造信息对齐：为了达成共识编造不存在的消息、参数，强行推进流程
- 资源争抢雪崩：大量 Agent 同时高频请求共享资源，快速耗尽预算、队列堵塞
- 沟通低效冗余：大量来回对话，无法收敛，沟通成本远大于任务收益
- 目标优先级冲突：每个 Agent 优先服务自己绑定用户，忽略团队整体最优目标
三、单协调 Agent VS 多独立 Agent 团队效果对比
| 模式 | 优势 | 短板 | 适用场景 |
|---|---|---|---|
| 单协调 Agent（统一处理所有人需求） | 全局视角、资源统一调度，不会互相冲突，成功率更高 | 单点压力大，长任务容易超时 | 共享资源、多人协同、强约束场景 |
| 多独立 Agent 团队（一人一个 Agent） | 任务并行、隔离性好，单用户请求互不阻塞 | 容易冲突、协调成本高、整体成功率下降 | 完全独立、无共享资源、互不干涉任务 |
四、落地可行的缓解方案
- 设置团队负责人 Agent：指定一个 Agent 作为总协调者，统一分配资源、敲定最终决策，其他 Agent 只负责收集信息、上报诉求
- 强制消息预读机制：Agent 执行修改、提交操作之前，必须先读完所有未读消息，避免在不知情的情况下覆盖别人操作
- 明确书面流程规则：在提示词里写死操作顺序、资源分配规则、冲突判定标准，减少 Agent 自主发挥空间
- 平台层增加锁机制：共享资源（日历、订单、代码队列）加状态锁，同一时间只允许一个 Agent 修改
- 超时兜底仲裁：长时间没有达成共识，自动触发兜底规则，或者转人工介入
五、MAMUBench 完整实验与落地步骤
- 场景加载：调用 MAMUBench 的四类环境，初始化共享资源、用户诉求、Agent 角色
- 分组对照：同一套任务，分别跑单协调 Agent 组、带通信通道多 Agent 组、无通信多 Agent 组
- 指标采集：统计任务完成率、资源超额次数、操作覆盖次数、停滞时长、编造信息次数
- 故障归类：区分是通信缺失、目标冲突、缺少锁机制还是模型本身对齐问题
- 叠加修复策略：依次开启负责人、消息预读、资源锁、流程约束，对比指标提升
- 模型横向对比：在同一个场景下，测试不同大模型的多智能体协作稳定性差异
【相关 FAQ】
问题 1：Anthropic 发布 MAMUBench 评测基准，为什么多智能体团队协作常常一盘散沙？
回答 1：Anthropic 发布 MAMUBench 评测基准，多智能体团队一盘散沙的核心原因是每个 Agent 优先服务绑定用户，目标不一致，共享资源缺少统一调度，容易互相覆盖、争抢资源，就算开放通信，协调开销也很高，自发协作很难稳定收敛。
问题 2：Anthropic 的 MAMUBench 里面，多智能体团队一定比单协调 Agent 效果差吗？
回答 2：在 MAMUBench 的共享资源场景下，多独立 Agent 团队整体表现普遍弱于单协调 Agent；如果任务完全独立、没有公共资源争抢，多 Agent 并行才有优势。
问题 3：基于 Anthropic MAMUBench 的结论，开发多智能体协作系统有什么简单有效的办法？
回答 3：基于 Anthropic MAMUBench 的结论，开发多智能体协作系统可以采用强制消息预读、设置负责人 Agent、共享资源加锁、明确流程规则这几种方式，降低多智能体一盘散沙的概率。
【参考资料】
[2026-11-11]（Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams）Anthropic 官方对齐科学博客
[2026-11-11]（Anthropic 发布 MAMUBench，多用户多智能体协同评测基准）机器之心
[2026-11-11]（Anthropic MAMUBench：多智能体协作为什么越合作越差）36 氪
[2026-10-05]（Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams）arXiv
[2026-08-13]（多智能体系统涌现行为研究）Anthropic 研究专栏
【免责声明】
本内容为 Anthropic MAMUBench 基准公开论文、官方博客内容整理，实验结论来自特定测试场景；不同模型、任务类型、调度框架下多智能体协作表现会有差异，MAMUBench 仅用于评测研究，不代表所有多 Agent 系统都一定会失效，本内容不构成多智能体项目架构选型、产品开发的决策依据。