GPT-5.6 Sol多智能体编排：三档推理让账单差出10倍！
内容提要
多智能体系统虽提升效率，但推理强度过高会致token消耗暴涨5至10倍。应匹配任务难度选择推理档位，如Scout用low、Worker用medium、Smart worker用high。协调者应专注分派任务，避免过度思考。设置fork_turns为none可减少上下文继承成本，并明确边界指令防止递归。合理配置可大幅节省成本，但需持续优化。
延伸解读
推理强度与token消耗的非线性关系
文章指出，GPT-5.6 Sol的推理强度从low到max共六档，但token消耗并非线性增长，而是跳跃式增长，medium和ultra档之间差距可达5到10倍。这意味着高档推理虽然适合复杂任务，但若用于简单任务，会显著增加成本。开发者需理解这一非线性关系，避免为低难度任务选择过高档位，从而控制成本。
角色分工与推理档位匹配
Codex多智能体系统默认将agent分为Scout、Worker和Smart worker，并分别建议使用low、medium和high推理强度。这种分工的核心是将推理强度与任务难度匹配：Scout只做窄范围只读任务，无需深度思考；Worker执行有边界的改动；Smart worker处理复杂问题。若所有agent都使用高档推理，会导致资源浪费，因此合理配置角色和档位是节省成本的关键。
上下文继承的隐性成本
fork_turns参数控制子agent继承父agent对话历史的程度。设置为none时，子agent获得干净上下文，减少token消耗；不设置时，子agent继承全部历史，可能带来不必要的成本，并增加误解指令导致递归的风险。文章建议为叶子agent设置边界指令，防止其自行生成新agent，从而避免上下文继承带来的额外开销和潜在问题。
动态调优的必要性
文章指出，目前没有现成公式能预先确定每个任务的最佳推理档位，因为任务复杂度可能受其他agent影响，且系统整体推理强度动态变化。团队需通过试错积累经验，持续观察和调整配置。账单是最终反馈，但发现成本过高时已产生浪费，因此主动监控和优化是必要的。
Q&A
GPT-5.6 Sol多智能体编排中，推理强度从low到max，token消耗差距有多大？
推理强度每高一档，token消耗可能暴涨5到10倍，尤其是medium和ultra档之间差距可达5到10倍。
在Codex多智能体系统中，Scout、Worker和Smart worker分别应该使用什么推理强度？
Scout负责窄范围只读任务，使用Sol Light和low推理强度；Worker负责有边界的改动，使用Sol Medium和medium推理强度；Smart worker负责困难实现和协调，使用Sol High和high推理强度。
多智能体系统中，coordinator（协调者）的主要职责是什么？它应该避免什么？
coordinator的主要职责是分配实质性任务、避免重复调查、追踪每个agent在做什么。它应该避免过度思考，不要当传话筒，而是专注于分派任务，让agent之间直接沟通。
fork_turns设置为none有什么好处？不设置会有什么问题？
fork_turns设置为none时，子agent得到干净、聚焦的独立任务，减少上下文继承成本。不设置时，子agent会继承父agent的全部上下文，导致token消耗增加，并可能误解协调指令，造成递归agent树。
如何防止多智能体系统中的递归委派问题？
给叶子agent添加边界指令，如“直接完成这个任务，不要生成其他agent”，可以防止递归委派。
多智能体编排中，如何确定每个任务应该使用哪一档推理强度？
目前没有现成公式，需要根据任务类型、复杂度、历史经验进行判断，并通过试错积累经验。系统需要持续观察、调整和优化。
