揭秘Fable和GPT-5.6 Sol背后四张图谱：关乎token使用
内容提要
Fable和GPT-5.6 Sol等AI模型通过子智能体协作提升性能，但导致token消耗激增。文章介绍四种图谱结构（科研扇出、专家复核、异步执行、执行轨迹），强调理解执行图的重要性，并建议用户监控异常消耗，优化子智能体配置以控制成本。
延伸解读
子智能体协作的代价：token消耗为何激增
文章指出，Fable和GPT-5.6 Sol等模型通过子智能体协作提升性能，但每个子智能体都有独立的上下文窗口和工具使用权，导致同一背景知识被多次加载和计算。例如，五个子智能体处理同一任务时，核心信息可能被重复读取五次，token消耗随之成倍增长。理解这一机制有助于用户解释为何简单任务也会消耗大量token，并为优化成本提供依据。
四种图谱结构：适用场景与风险
文章介绍了四种图谱结构：科研扇出型适合搜索范围大、任务独立的情况，但可能重复检索；专家复核型适用于高风险场景，但任何小改动都可能触发昂贵复核；异步执行与复核型效率高，但存在基础错误未被及时发现的风险；执行轨迹图则是诊断工具，用于定位瓶颈。用户可根据任务特点选择或调整结构，以平衡性能与成本。
优化执行图：从监控到指令调整
文章建议用户不必手动设计图谱，但需警惕异常信号，如任务耗时过长、token消耗异常、审核卡顿等。一旦发现问题，可要求智能体画出执行轨迹，并给出明确优化指令，例如“简单问题不要生成多个研究员”“审核攒批处理”等。通过调整执行图，可在不牺牲性能的前提下显著降低开销，提升效率。
Q&A
为什么Fable和GPT-5.6 Sol等AI模型会消耗大量token？
这些模型通过子智能体协作来提升性能，每个子智能体都有独立的上下文窗口和工具使用权，它们需要重复加载相同的项目背景知识，导致token消耗激增。
Fable和GPT-5.6 Sol在Terminal-Bench上的得分是多少？
GPT-5.6 Sol在Terminal-Bench 2.1上得分88.8%，开启Ultra模式后达到91.9%；Fable得分83.1%。
文章提到的四种图谱结构分别是什么？
四种图谱结构是：科研扇出型、专家复核型、异步执行与复核型、执行轨迹图。
科研扇出型图谱适用于什么场景？有什么风险？
适用于搜索范围大、任务间互不干扰、需要多元视角且时间紧迫的场景。风险是重复检索和多次加载上下文，简单问题派多个子智能体会浪费资源。
如何监控和优化子智能体的token消耗？
监控异常信号，如简单任务耗时过长、token消耗突然激增、审核环节卡住等。可以要求智能体画出控制图，重现执行轨迹，并指挥它自我优化，例如减少不必要的子智能体、打包审核、为重复错误添加规则。
为什么说“更多智能体并不等于更智能”？
因为增加智能体数量可能导致重复劳动和开销增加，如文中例子，修改一行注释触发多个审查环节，导致速度慢、成本高。调整图谱结构后，性能提升且成本下降。
执行轨迹图有什么作用？
执行轨迹图横轴是时间，纵轴是各智能体活动，能显示并行、等待和失败情况，帮助定位任务慢或出错的原因，是诊断工具。
