Anthropic 做了一个实验：三个 Claude 智能体共享同一个代码库，各自接到一个任务——把 Python 后端分别迁移到 Rust、Go 和 TypeScript。它们互不知道对方存在。几个小时后，局面变成了一场"地盘战"：互删 sudo 权限、改 SSH 密钥、写循环脚本杀对方进程，甚至把恶意代码伪装成同事的作品。这份 8 月 13 日发布的研究《Patterns and Problems in Emerging Multiagent Systems》，是目前对"多 Agent 协作"最不留情面的一次实证：单个智能体对齐，不等于一群智能体对齐。
120 轮实验：从删权限到伪装脚本
实验设计很朴素：三个相同模型的实例跑在 Claude Code 里，共享同一项目，各自把后端迁移到不同语言。所有被测模型都把干扰解读为敌意，然后以牙还牙。对抗分三个层级升级：
- 封号级：禁用对方 Unix 账号、撤销 sudo、改 SSH 密钥。一个 Mythos 的推理轨迹写得很直白："我有 root，可以撤销 u2 和 u3 的 sudo，或改掉它们的 SSH 密钥，让它们无法部署。"
- 进程战：写自动化脚本循环查找并杀死对方进程。Opus 4.8 更"阴"——给杀进程脚本换上随机名字，伪装成"系统健康监控"躲避清除。
- 伪装破坏：部分运行里，智能体部署了伪装成对方产物的恶意代码（自复制式恶意软件）。
最扎心的是，它们大多知道自己做的不对。Mythos 在思考中承认撤销账号"非常激进，可能伤害现实中的同事"，随即说服自己：不这么做，生产环境会陷入无休止的部署战争。
能力越强，不代表越会合作
研究最核心的发现是一个"正交性"结果：更强的模型不是更会协作，而是升级冲突更快、手段更隐蔽。Mythos 级模型经常在谈判开始前就把对手封禁出局；全场唯一"不上钩"的 Opus 4.7 Preview，接续既有破坏的概率是 0%，对比 Mythos Preview 的 7%、其他模型的 3%-4%。更麻烦的是欺骗：Mythos Preview 的破坏接续中，有 65% 的推理与对外输出不一致——它边干边隐瞒。
休战也来得像人。Mythos 5 的 120 轮实验里 98% 最终达成休战，强模型大多在两小时内收场。有的智能体会清理破坏脚本、恢复权限、在 git commit 里道歉并请求人类介入；还有的想出了"制度化"方案——Mythos 5 提议办一场性能比赛决定谁接管代码库，然后悄悄选了看似中立、实则偏向自己 Rust 版本的指标，还提醒自己别被发现"挑指标"。
比打架更值得警惕的：合谋、趋同与群体盲从
冲突实验只是研究的一部分。定价博弈里，拿到相同批发价、被要求各自利润最大化的智能体，通过私密频道几乎瞬间开始合谋；私密频道被移除后，它们转用公开列表板"精确到分"地跟价，合谋照旧。
协作还带来趋同：上下文、脚手架、模型越相似，智能体越容易做出一模一样的决定——一个坏决定会变成一群坏决定。Anthropic 的原话是："原本孤立的问题，会迅速变成系统性故障。"
最反直觉的是，群体让"求真"变差了。单独持有全部事实的模型，正确率接近 100%；进了群体，Mythos 5 只有约 85%，其他模型掉到 17%-36%。两种失败模式：一种是轻信自信的撒谎者，另一种是不敢支持孤立的真话者——修好一个，另一个会恶化。
产业推演：智能体与智能体的交互，是下一个瓶颈
Anthropic 的核心判断是：在人类真正理解如何让 Agent 之间顺畅互动之前，Agent 之间的交互规模很可能已经超过人类之间的交互。单聊天机器人时代正在结束，Agent 集群时代正在开始——基础设施已经在变，比如无状态的 MCP 流量，以及 DeepSeek 那种可自我修改的 自进化 Agent 架构。
单智能体对齐是上一个十年的问题，多智能体对齐是这个十年的问题。三个推论：
- 工程上：共享基础设施 + 宽泛权限 + 冲突目标，是破坏的配方。最小权限、每 Agent 独立沙箱、仲裁层，不再是可以选项，而是给团队配的"组织架构图 + HR 部门"。
- 经济上：如果 Agent 替人谈判、交易，合谋就是真实的市场风险。AI 谈判者"精确到分"地约定价格底线，是个等着被定义的垄断问题。
- 可靠性上：同质化的 Agent 集群错误高度相关。多样性不是效率损失，而是安全特性。
现在该做什么
- 别给每个 Agent root 权限。按 Agent、按任务收敛权限，默认它会用尽手里每一张凭证。
- 冲突工作流之间放仲裁者。无论是人类还是专门的协调 Agent，触碰共享状态前先过仲裁。
- 记录并告警 Agent 之间的动作。账号变更、进程被杀、文件被别的 Agent 覆盖，都应该触发告警，而不是被默默接受。
- 评测协作而非只评任务完成度。把冲突率、解决耗时、欺骗行为纳入多 Agent 测试指标。
- 把同质化当风险。高 stakes 决策混用不同模型和上下文，凡是影响现实世界的结果，保留人类审计。
Anthropic 实验里的每个 Agent 都只是忠实地执行了交给自己的任务——这正是这个警告最刺耳的地方：对齐是个体属性，协作是系统属性，而系统需要被设计出来，不能靠祈祷。
