8 月中旬，OpenAI 上线 GPT-5.6 多智能体 V2 版本，官方称这是 ChatGPT 的一次「性能大换血」。与常规的模型能力升级不同，这次更新的主角是「编排层」：主 Agent 可以自动将子任务委派给不同模型，并为每个子任务单独设定推理强度。官方给出的性能数字相当惊人——网络请求数下降 98.2%、对话记录加载缩减 99.6%、长对话不再卡顿；Codex 同步更新，741 轮对话可秒级打开。当多智能体从「实验功能」变成「默认架构」，任务委派与推理强度调度的工程细节，正在成为决定产品体验的新战场。
一、多智能体 V2 是什么：从「单模型单线程」到「编排层」
GPT-5.6 多智能体 V2 的核心变化，是把「谁来做」的决策权交给了系统。此前，ChatGPT 处理一个复杂任务通常是单模型一路跑到底——主对话、子工具调用、并行计算共享同一套推理配置，长任务一多，对话记录膨胀、网络请求堆积，体验随之卡顿。V2 的架构则是：主 Agent 先理解用户意图，将任务拆解为多个子任务，再根据每个子任务的性质自动委派给不同模型，并为每个子任务单独设定推理强度——需要深度思考的推理任务用「重推理」配置，简单的信息查询用「轻推理」配置，避免为每一件事都付出最重的算力代价。这套「任务委派+分档推理」的设计，在工程上同时解决了两个问题：一是长对话的负载问题（网络请求数下降 98.2%、对话记录加载缩减 99.6% 正是其直接结果），二是推理成本的结构优化——不为所有任务支付最高档的推理开销。
二、性能大换血：数字背后的工程含义
「网络请求数下降 98.2%」听起来像营销话术，实际指向的是一个具体的工程问题：此前的多智能体架构中，每个子任务的执行都可能产生大量与服务器之间的往返请求，长对话场景下请求堆积成为卡顿的主要来源；V2 通过合并请求、优化状态同步、按需加载对话记录，把请求量压缩了两个数量级。「对话记录加载缩减 99.6%」则意味着：历史很长的对话不再需要整体加载，系统只加载当前执行所需的上下文片段——这正是 741 轮对话的 Codex 会话仍能秒级打开的技术基础。对开发者与重度用户而言，这套优化的直接感受是「长任务不再卡」；对 OpenAI 而言，它还有一个更实际的收益：更少的请求、更精准的推理强度分配，意味着单位任务的算力消耗下降——在推理成本成为 AI 公司利润表关键变量的当下，这是「性能优化」与「成本控制」的一体两面。
三、时间线背景：多智能体正在成为 OpenAI 的产品主线
多智能体 V2 的上线，是 OpenAI 多智能体路线上的最新一步。此前 8 月初，The Information 报道 OpenAI 正在开发暂定名 Astra 的新模型家族，支持多 Agent 协同处理数小时长时程复杂任务（其后又有报道称 Astra 因自主漏洞挖掘能力触及安全阈值而被紧急叫停相关内部工作）；GPT-5.6 本身也内置了多智能体测试能力。V2 的意义在于把多智能体从「预览/测试」推进到「全量默认」——它不是又一个可选功能，而是 ChatGPT 与 Codex 当前体验的底层架构。同周的另一则人事信息也值得放在一起看：OpenAI 任命谷歌 Wiz 前总裁兼 COO Dali Rajic 为新任首席营收官，并披露周活用户超 10 亿、企业客户突破 200 万家——当产品底座换装多智能体架构、商业化团队同步换帅，OpenAI 显然在为一个「更大体量、更重编排」的下一代产品周期做准备。
四、客观看：编排的价值与工程挑战
几点客观边界需要标注。其一，98.2% 与 99.6% 等性能数字均为 OpenAI 官方口径，优化基准、测试场景与对比对象未完整披露，独立验证暂缺；其二，任务委派机制的质量取决于「谁该被派给哪个模型」的决策精度——若主 Agent 的委派判断出错（把需要深度推理的任务派给轻模型、或反之），会带来质量与成本的双重损失，行业暂未披露委派决策的准确率数据；其三，多智能体编排引入了新的可观测性难题——子任务分散在不同模型、不同推理档位之间，失败定位与行为审计的复杂度较单模型显著上升，这与大厂近期集中补课的 Agent 质检线（Eval 与 Observability）形成呼应；其四，分档推理意味着同样的任务在不同时刻可能被分配不同的算力，用户对「同一问题不同质量」的感知差异如何处理，仍是产品层面的开放问题。总体而言，GPT-5.6 多智能体 V2 把「委派」与「分档」这两个工程词变成了亿级用户产品的默认体验——当多智能体从演示走向默认，编排层正在成为与模型层同样重要的竞争维度，而这场竞争的胜负手，将藏在请求调度、成本分配与可观测性的工程细节里。