国外 AI 智能体发展主要分成单智能体（自主专精）与多智能体（协作编排）两派，核心分歧是架构选择、自主性边界、成本与可靠性权衡，并在技术理念、落地策略与代表企业上形成鲜明对撞。

核心分歧一览（一句话抓重点）

• 单智能体派：强推 “单 LLM + 完整上下文 + 工具链”，反对多智能体；强调稳定、可调试、低协作成本，适合高耦合、长链条任务。
• 多智能体派：主张 “协调者 - 执行者” 分工协作，以并行与涌现性能取胜；适合信息量大、可并行的研究 / 复杂任务。

五大核心分歧（技术 + 落地双维度）

代表观点与巨头实践

1. 单智能体派：少即是多，拒绝 “协作税”

   • 核心主张：Cognition 明确提出 “不要构建多智能体”，认为子智能体间上下文割裂、隐含决策冲突会导致错误放大，得不偿失。
   • 技术抓手：聚焦上下文工程与全链路工具链，以单 LLM 实现稳定的端到端执行，Devin 主打代码全流程可靠性。
   • 代表企业：Cognition（Devin）、OpenAI（Operator/AgentOS 轻量多工具调用，非多智能体架构）。

2. 多智能体派：分工协作，性能指数级提升

   • 核心主张：Anthropic 认为当任务规模超过单上下文阈值时，多智能体是扩展能力的必然选择，“协调者 - 执行者” 模式可显著提升效率。
   • 技术抓手：Claude Opus 主智能体 + Claude Sonnet 子智能体并行，研究类任务性能提升 90.2%；通过协议与结果整合解决协作问题。
   • 代表企业：Anthropic（Claude Team）、谷歌（Project Astra 多智能体生态）。

并非对立，而是场景互补

两派并非非此即彼，而是按任务属性选型：

• 选单智能体：代码生成 / 调试 / 部署、长链条高耦合任务、需强可解释性的场景。
• 选多智能体：多文档分析 / 跨领域研究 / 并行任务聚合、信息分散的复杂任务。

当前趋势是混合架构：以单智能体为核心，按需调用多智能体模块，兼顾稳定与效率。

一句话总结

单智能体派赢在稳与可控，多智能体派赢在快与广度。未来的主流不是 “二选一”，而是根据任务复杂度，在单智能体的稳定与多智能体的效率之间做动态组合。