当Fable在Terminal-Bench上砍下83.1%，当GPT-5.6 Sol冲上88.8%，当Ultra模式把数字再次推高到91.9%，一个更残酷的问题浮出水面：为什么你的token限额总是先于任务完成而消失？答案藏在这些数字背后那些隐秘的执行图谱和循环结构里。
Fable和GPT-5.6 Sol的底层调度器已经不是一个人在战斗，它们正在你的每次对话中自动组建智能体团队。这些隐藏的计算图决定了性能的边界，也决定了你的资源消耗速度。理解了它们，你才真正理解了自己在用AI编程时到底在为什么付费。
提交一个问题，它却拉起了一支队伍
表面风平浪静！对话框里只有一行提示词。按下回车。
后台的风暴已经点燃！
Fable和Sol的底层调度器，或者叫主控智能体，接到指令的瞬间就开始分裂。它不会傻乎乎地亲自做完所有事。它飞快地评估任务，然后像变魔术一样，在内存里生成一个子智能体。这个子智能体负责查资料。又生成一个，专门写代码。再生成一个，拿着放大镜找安全漏洞。还有一个，盯着代码跑得快不快。最后，必须有个总管，把这群人的废话整理成一份像样的答案。
每个小兵都有一整套家当。自己独享的上下文窗口，自己的推理时间，自己的工具使用权。查资料的那个会自己去翻阅项目文件。写代码的那个会调用编译器。他们各干各的，最后把结果丢回给老爸。
这就好比你让一家装修公司把厨房翻新一下，结果项目经理没自己动手，而是叫来了水电工、木工、泥瓦匠和监理，还给他们每人发了一份你的需求图纸。五个人，五份几乎一模一样的图纸。这画面，想想就肉疼。
一切就绪，一个向上的箭头代表结果回流，整个结构就像一棵倒着长的树。这就是那张隐藏在图谱里的计算图。它不再是科幻小说，不再只属于那些穿着格子衫、捣鼓复杂框架的硬核极客。这套玩法已经成了标配。
Codex现在默认就支持子智能体工作流。Claude的最新版本也学精了，它自己就能判断什么时候该摇人，不用你开口。Fable和Sol的原生系统，正在变得越来越擅长安排这场无声的交响乐。
性能巅峰的代价，从一次对话变成一场会议
如此兴师动众，效果究竟如何？
数字很漂亮。GPT-5.6 Sol在Terminal-Bench 2.1上拿下了88.8%的得分。把Ultra模式打开，启用更复杂的子智能体协作，分数直接飙到91.9%。Fable也毫不示弱，交出了83.1%的成绩单。这些模型强得有点离谱了。Anthropic那边也有类似发现，一个由Opus 4领衔、带着一群Sonnet 4小弟的科研系统，在内部测试里比单打独斗的Opus 4猛了整整90.2%。
一个更直白的规律浮出水面：在BrowseComp测试里，消耗的token数量这一个因素，就能解释80%的性能差异。
这画面何其熟悉。就像电脑游戏，画质开到极高，细节确实拉满，但风扇开始咆哮，显卡温度直线上升，电费账单默默变长。性能从来不是凭空变出来的。对于那种能清晰切分成小块的任务，让多个脑袋各管一摊，确实能买到更好的结果。而你，正为这种“集中力量办大事”的豪迈，用飞速流逝的token来买单。
你原本期待的是一次流畅的一对一辅导，结果付费的却是一场需要支付所有人出场费的内部磋商。
吞金兽的内部账本，同一个知识被反复买单
token究竟是怎么消失的？答案藏在循环里。每一个子智能体，从诞生到提交报告，都在完成一整套标准流程。接收提示词，加载相关的项目上下文，执行模型推理，发起工具调用，等待工具返回结果，如果出错还要重试，最后自己验证一遍，汇总成一份摘要。
这个过程听起来没毛病。但当你的任务触发了五个子智能体，问题就来了。它们都需要知道那个项目的“背景知识”。比如一个核心的数据库架构。智能体A读一遍，智能体B读一遍，C、D、E再各读一遍。同一段信息，五次上下文加载，五次计算。token就在这无数个重复的回合里，被悄悄地、均匀地、不可逆地烧掉了。如果这些子智能体脑子一热，再创建自己的子智能体，那个调用图谱就会像癌细胞一样疯狂扩张。你账户里的余额，就这么被一个无形的、庞大到超出你想象的组织机构吞噬了。你根本没有雇佣一个助手。你支付了一个指挥部。
图结构可以很聪明，也能把你蠢哭
一个残酷的事实：更多智能体并不等于更智能。它可能只是更贵。
在一次关于即将上线的Superlinear播客对谈里，一位资深工程师分享了早期踩过的一个大坑。他们的工作流是这样的：哪怕改了一行注释，系统都会触发好几个独立的审查环节。安全审查跑一遍，性能审查跑一遍，代码规范再跑一遍。听起来固若金汤。
现实里，这个流程慢得像蜗牛，贵得像奢侈品。每一次微小的变动，都要等最慢的那个审查员跑完。整个团队的节奏被活活拖死。审查本身产生的开销，远远超过了那行改动本身的价值。
他们后来调整了图谱。程序员可以继续往前冲，先不管审查的事。审查管理员殿后，把好几个已经完成的任务捏成一个大包，一次性发给审查员们并行处理。速度瞬间上来了。开销大幅下降了。同样的模型，同一个项目，只因为那张连接它们的图变了，结果天差地别。这个故事讲了一个很朴素的道理：“多用子智能体”本身毫无意义。那个隐藏的执行图，必须匹配工作的形状。
认识四张关键的脸谱
我们来看看几种常见的图谱结构，它们各有各的脾气。
第一种，科研扇出型
一个老大派出好几个侦察兵，各探一条路。信息汇总回来，老大做决策。这招最适合那种情况：搜索范围特别大，各路之间互不干扰，多元视角很重要，而且时间紧迫。但风险也摆在台面上：重复检索和多次重复加载上下文。问一个太简单的问题，却派了五个侦察兵，纯属浪费。
第二种，专家复核型
一个执行者干完活，被多个复核员分别按不同标准检查。安全、性能、逻辑正确性，各司其职。这种结构最适用于后果严重的场景，比如金融交易系统或者航天器代码。代价是，任何一个微小的改动都可能激活整个复核链条，极其昂贵。更怕的是，一个复核员卡住了，所有人都得等着。
第三种，异步执行与复核型
前面提到那种聪明的做法，干活的不等复核的。开发任务独立性高，项目规划清晰时，这个模式效率极高。当然，也有赌的成分。如果基础架构层面的错误没被发现，后面所有的工作都可能白费，推倒重来。
第四种，执行轨迹图
这不是一种工作模式，而是照向混乱的那束光。横轴是时间，纵轴是各个智能体的活动，清清楚楚地显示哪一步在并行，哪一步在等待，哪一步失败了。这就像给AI的工作过程做了个透视扫描，让你能精准定位病灶。当你的任务慢得不对劲时，这就是你的第一诊断工具。
别当图纸的设计师，当一个清醒的看客
你完全不需要变成手动设计每个节点的架构师。Fable和Sol这类系统自动构建图谱的能力已经很强了。你硬要去微调结构，反而可能打乱系统自己的最优解。
先接受系统默认给出的那张图。但有几个红色警报你必须保持敏感：一个简单任务居然跑了好几个小时；账户里的token像被戳破的气球一样突然瘪掉；一个审核环节卡住整个流程；审核成本比开发本身还高；同一个愚蠢的错误反复出现。
一旦警报拉响，立刻追问：到底生成了哪些子智能体？每个负责什么？哪些工作是并行的？谁拖了所有人的后腿？哪个环节烧的token最多？哪些审核其实可以打包处理？
你完全可以要求智能体画出它的控制图，重现那个执行轨迹。更妙的是，你可以直接指挥它自我优化。
“以后别为简单问题瞎生成好几个研究员。审核攒一波再发。那些重复出现的错误，写个规则或者自动化测试，让执行者别再犯。”
看，问题从模糊的“很慢很贵”变成了清晰的诊断报告和明确的行动指令。
补一张图，圈住那个失控的循环
就在大家还在热烈讨论各种循环的时候，Steipete在社交媒体上发出一声灵魂拷问：我们还在谈循环吗？还是该切换到图了？
过去几个月，智能体循环这个概念被反复提及。Ralph循环，目标循环，自动研究循环，层层嵌套。而现在的系统，正在搭建更复杂的结构。多智能体、依赖关系、分支、并行、审核，还有信息在不同上下文间流动。这早已不是一条线能说清的故事了。
它是一张图。这就是为什么Fable和GPT-5.6 Sol能如此强大。这也是你token的一个主要流向。
好消息是，你不需要成为图谱大师。但理解你的系统正在建造的那张图，非常有必要。因为当它变得笨重、昂贵甚至卡死时，精准地指出图中出问题的那个节点，可能就是你让整个AI团队重新高效运转的唯一钥匙。
你不是在用AI。你是在指挥一个AI军团，只是你刚知道而已。而那张图，既是作战地图，也是你的血条。