ChatGPT/Codex 的订阅用户，这周 OpenAI 把玩法改了。OpenAI 工程师 Eric Provencher 正式宣布，多智能体 v2（Multi-Agent V2）全量上线：主 Agent 可以把子任务自动委派给任意支持的模型，每个子 Agent 还支持单独设置推理强度。36氪OpenAI 总裁 Brockman 的说法更直接：“朝着告别手动选模型的方向前进”。微博翻译一下：AI 替你选模型，AI 替你派活。社区对这事的态度分成了两派，有人觉得这东西本来早就该实现。微博也有人什么都不说，先默默看了眼自己的额度余额。两种立场都有道理，关键看你是哪种用户。
到底改了什么
以前一个任务用哪个模型，得你自己挑，现在主 Agent 会自动把任务拆开、委派给合适的模型。先看 OpenAI 现在手里这副牌——GPT-5.6 Sol：最强，复杂的 Agentic 编码；GPT-5.6 Terra：日常编程主力；GPT-5.6 Luna：最快、最便宜；Daybreak：网络安全专用；GPT-5.5：复杂编程、研究、通用任务。36氪官方的算盘打得很清楚：复杂任务只有约 20% 的步骤需要最强模型，其余交给便宜模型，推理成本大幅下降。微博
配套的前端优化也很实在。OpenAI 内部测试用的是一个 741 轮、231MB 的“怪物级”对话，打开它的平均时间从 27.62 秒降到 1.66 秒，单次打开要发的网络请求从 894 次砍到 16 次。36氪对常年挂着长任务的用户来说，这是能直接感知到的提速。
官方算盘是降本，但实测有两个坑
第一个坑：自动委派本身还没完全对齐。三周前 Codex 的模型清单里，Sol 和 Terra 被标成 multi_agent_v2，最便宜的 Luna 却被标成 v1，结果主 Agent 想派活给 Luna 时，系统直接回一句“未知模型”，开发者在 GitHub 上为这事开了至少两个 issue，OpenAI 官方论坛还有帖子喊话“把 Luna 还给我们”。36氪如果你的用法正好依赖 Luna 这种便宜模型跑高频简单任务，全托管之前，先确认委派是否稳定。
第二个坑：额度消耗失控。有微博用户的实测很有代表性：一堆智能体并行跑，爽是真的爽，钱也是哗哗的流。微博原因不神秘，OpenAI 自己的解释是 Sol 干活太积极：并行调用更多工具、安排子 Agent，Token 就跟着哗哗往下掉。知乎这笔钱不只是个人用户的感受。一篇被广泛转发的编译文章说得更直白：AI 本应取代人类劳动，结果人比软件还要便宜，这是有史以来的第一次。36氪文章里还给出了顶尖企业的人均 Token 消费趋势，多智能体越“自动”，这条曲线涨得越快。
三类用户，三种用法
重度用户（额度充足、任务复杂多样）：值得开，但建议先小范围试跑 2-3 天，对比同一类任务在 V2 和你之前手动选模型时的额度消耗速度，再决定要不要全托管。这不是过度谨慎，“自动选模型”等于把成本结构从明处搬进黑箱，你得先看到真实数据。
额度紧张的用户：说实话，手动选型反而更可控。简单任务——格式化、小修小补、生成初稿——直接指定最快最便宜的 Luna，把 Sol 留给真正需要深度的步骤。这种用法不“落后”，只是你自己做了模型调度，省下的额度是实打实的。
需要审核结果的协作用户（在 Codex 里并行跑多个任务）：记住多 Agent 不会自动替你做最终判断，适合并行的是彼此独立、边界清楚的任务，最终是否采用改动，仍由你逐项看 diff 决定。知乎越“自动”的时候，这一步越不能省。
三个值得继续盯的信号
1）额度政策的反复。OpenAI 已经做过一轮优化，官方口径是额度大约能多撑 18%，但之前暂时取消的 5 小时限制也跟着恢复了。知乎V2 全量后额度规则会不会再变，是直接关系到钱包的事，值得持续盯。
2）Luna 委派的修复进度。“把 Luna 还给我们”不是个例，便宜模型是很多人的日常主力。如果标记问题反复出现，或者 Luna 委派再受限制，V2 的成本优势会大打折扣。
3）Ultrafast 模式的铺开进度。OpenAI 已在 8 月 13 日给 GPT-5.6 Sol 上线了 Ultrafast 模式，官方把它定义为同一模型的新服务层级，先在 API 推出，算力由 Cerebras 支持，最高比标准处理快 14 倍、每秒生成 750 个 output tokens。知乎这个速度选项什么时候进入订阅侧，会再次改变多智能体任务的性价比算法。
最后一句
AI 替你选模型、替你派活，不是免费午餐，它本质上是把“用哪个模型、花多少钱”这个决定，从你手里挪进了黑箱。黑箱也许更聪明，但在它足够透明之前，别摘掉自己的额度警报：先试跑、算清账，再交方向盘。
