实测揭秘并发 Sub-Agent 的代价：SWE-bench 修复率暴跌 24%，Token 消耗剧增 3.3 倍

核心背景与行业痛点

当前 AI 编程智能体领域普遍将“多智能体分工与并发（Multi-Agent / Sub-Agent Concurrency）”奉为提升复杂任务解决能力的银弹。诸多框架宣传通过主 Agent 派发子 Agent 并行搜索、并行编码与审查可以成倍加速工程交付。然而，在分布式后端系统中，无节制的并发往往伴随着数据竞争、死锁与资源枯竭。AI 行业此前缺乏针对“开启 Sub-Agent 到底能带来多大净收益”的大规模严格受控对比实验。资深研究者 @zhou_xiaoma 今日公布了一项耗资超过 2 万美元 API 调用的权威实测，给行业盲目的 Sub-Agent 狂热泼了一盆冷静的冷水。

架构亮点与底层机制

1. 严格配对对比实验设计（Paired Comparative Protocol）：

• 选取三大主力编程智能体：Claude Code、Codex 与 Kimi Code；
• 累计运行 2,124 次真实编码流水线，覆盖 354 项复杂软件工程任务，严格控制相同模型、相同提示词与沙盒环境，唯一变量是原生 Sub-Agent 并发是否开启；

1. 三大类经典后端并发故障模式解构：

• 无限扇出与预算耗尽（Exhausted Pool / Unbounded Fan-out）：主 Agent 盲目将任务拆解为过多微小任务派发，迅速榨干上下文窗口与推理 Token 预算，导致尚未开始写代码即告失败；
• 孤儿进程与提前杀死（Orphaned Unjoined Threads）：主 Agent 未等待耗时较长的子 Agent 回传结果便草率汇总提交，有效逻辑被生生截断；
• 数据竞争与相互覆盖（Delivery Data Race）：多个子 Agent 并行编辑重叠的文件依赖，后完成者直接抹杀先完成者的修复补丁。

权威 Benchmark 与实测跑分对比

根据 2,124 次完整执行记录统计（Figure 1, Benchmark Disclosures）：

• SWE-bench Verified 100 项标准单文件/局部修复：
• Claude Code：单 Agent 顺序执行成功率高达 83%，开启 Sub-Agent 后暴跌至 59%（净降 24 个百分点），平均耗时从 17.5 分钟增加至 27.8 分钟；
• Kimi Code：从 77% 暴跌至 59%（净降 18 个百分点）；
• Codex：成功率勉强持平（71% → 71%）；
• Token 爆炸：所有模型的平均 Token 消耗激增为顺序单 Agent 的 1.41 倍至 3.31 倍；
• 超长跨文件复杂任务（LoopsBench）的反转表现：
• 在涉及数十个文件、需独立验证假设的极限复杂基准 LoopsBench 上，Sub-Agent 展现出真正价值：Claude Code 解决率从 7.1% 显著反弹至 21.4%。

开发者实战落地与开箱指南

• 真实推文与讨论：详见 X 平台 @zhou_xiaoma 实测报告（status/2112363831284650435）；
• 工程架构落地准则：
• 默认采用单 Agent 顺序执行：对于 90% 以上的代码补丁修复与功能迭代，切勿盲目开启多 Sub-Agent，否则只会徒增 3 倍账单并降低 20% 以上的成功率；
• 何时启用 Sub-Agent：仅在满足以下条件时启用：① 任务具备严格解耦的模块所有权划分（明确谁拥有哪个文件）；② 采用多假设推演（两个 Agent 分别尝试不同解法，裁判 Agent 择优选拔）；③ 设立完全独立且只读的代码审查验证 Agent（Independent Verifier）。