待验证50% 置信事实精确时间

同时调用多个专家会导致Token消耗成倍增长，总Token消耗会随专家数量线性甚至超线性增长

1

来源数

50%

置信度

长期有效

时效性

2026/9/7

首次发现

来源

WorkBuddy保姆级教程：国产办公AI Agent实战指南

涉及实体

Multi-Agent Systemconcept

相关事实

待验证以 3 个顾问加 1 个决策者的标准配置为例，MoA 总 Token 消耗约为单模型的 4-6 倍68% 相似待验证LLM-as-a-Judge这类评估会带来双倍甚至多倍的Token开销，因为既要生成待评估答案，又要消耗Token让另一个模型打分68% 相似待验证GLM-5.2 的输出 Token 消耗量比同级模型高不少，单次调用成本更高65% 相似已验证注意力机制的计算量与序列长度的平方成正比，将上下文翻倍意味着计算量增加四倍63% 相似待验证顶级提示词用户与普通用户在相同模型上获得的输出质量差异可能高达数倍63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/871576

API

curl https://kongchang.com/api/v1/knowledge/claims/871576

MCP

get_claim(id=871576)