还在手动给每个子任务挑模型？8 月 16 日，OpenAI 在 Codex 上线了 GPT-5.6「多智能体 V2」（Multi-Agent v2）并全量推送：主 Agent 会自动把不同子任务委派给不同支持模型（含轻量模型 Luna），每个子 Agent 还能独立设置推理强度。官方数据显示，复杂任务里只有约 20% 的步骤真正需要最强模型——剩下的交给便宜模型，推理成本大幅下降。OpenAI 总裁 Brockman 的原话是：「朝着告别手动选模型的方向前进」。
🧩 本教程适合：已经在用 Codex / OpenAI 相关 Agent 的开发者，以及被「多模型选型」折腾过的团队。你将学会多智能体 V2 的运作逻辑、三种用法、推理强度调优和成本核算。
先搞懂：多智能体 V2 到底改了什么？
一句话概括：模型选择从「用户负担」变成了「系统智能」。过去的 Agent 工作流，要么全程用同一个强模型（贵），要么你手动给不同环节指定模型（累）。V2 引入一个「主 Agent 调度层」：
| 对比项 | 旧方式（单模型） | 多智能体 V2 |
|---|---|---|
| 模型选择 | 全程一个模型，或手动切换 | 主 Agent 按任务难度自动委派 |
| 推理强度 | 全局统一 | 每个子 Agent 独立设置 |
| 成本特征 | 强模型跑全部步骤 | 仅约 20% 步骤用最强模型 |
| 用户要做的事 | 描述任务 + 选模型 | 只描述任务 |
别和「多 Agent 协作框架」搞混：V2 是 Codex 产品内的自动委派机制，侧重模型路由；而像 OpenAI Agents SDK 或 Google ADK 是让你自己编排多个 Agent 的框架。两者可以叠加使用。
Step 1：确认你的 Codex 已启用 V2
1 升级客户端，找到多智能体入口
多智能体 V2 是全量上线的功能，但需要较新的客户端版本：
1. 更新 Codex（桌面端 / CLI / IDE 插件均可）
2. 打开设置 Settings → 模型 Model
3. 确认出现「Multi-Agent v2 / 多智能体」开关，并保持开启
4. 在对话/任务输入框，确认可以指定子 Agent 推理强度
（如 Low / Medium / High 三档，取决于你订阅的模型范围）💡 若入口看不到：先确认账号版本（V2 优先向 Plus/Pro/Team 灰度后全量），并检查是否用的最新 CLI 版本。旧客户端会自动走单模型模式。
Step 2：理解「主 Agent 委派」的拆解逻辑
2 任务被自动拆成「强/中/弱」三档
V2 的调度层会先分析任务结构，再决定每个子任务交给谁：
典型任务：「修复登录页 bug 并补测试」
→ 子任务 A：定位代码问题（中等难度 → 中档模型）
→ 子任务 B：写修复补丁（高难度 → 强模型）
→ 子任务 C：补单元测试（机械活 → 轻量模型 Luna）
→ 汇总阶段：主 Agent 复核一致性（强模型）🚀 价值点：官方统计复杂任务仅约 20% 步骤需要最强模型。这与你手动「全程上强模型」相比，成本差异可达数倍。想进一步省钱，可叠加 DeepSeek 峰谷定价 那种「把批量任务挪进低谷时段」的思路。
Step 3：给子 Agent 单独设推理强度
3 让「难任务多想、简单任务快跑」
每个子 Agent 的推理强度独立可控，这是 V2 最实用的旋钮：
1. 复杂架构改动 → 该子任务推理强度调 High
2. 模板化代码生成 → 调 Low（快且省）
3. 数据迁移/批量修改 → 调 Medium 并加自检步骤
4. 建议先全默认跑一遍，再按结果逐项调档强度≠质量，别一刀切全 High：High 意味着更多 token 消耗和更慢响应。先用默认跑通，再对「出错率高的子任务」单独升档，才是性价比打法。
Step 4：实测一个多文件重构任务
4 用「重构+测试」验证委派效果
1. 新建一个分支，丢给它一个多文件重构任务
「把支付模块从同步改成异步，并保持接口兼容」
2. 观察执行日志里子任务的模型分配
（CLI 输出会显示每个步骤用了哪个模型）
3. 记录总耗时与 token 消耗
4. 对比开关 V2 前后的成本差异（设置里可临时关闭）🔑 判断标准：V2 省不省钱，看「同样结果下的总 token × 均价」。如果任务高度同质（全是简单活），V2 收益有限；任务杂（架构+搬砖混合）收益最大。
Step 5：接入你自己的 Agent 流水线
5 在 API / SDK 层利用多模型委派
除了 Codex 界面，你也可以在自有流水线里复刻「委派」思路：
1. 用 OpenAI Agents SDK 定义主 Agent + 子 Agent 池
2. 主 Agent 负责拆解任务，按难度路由到不同模型
3. 每个子 Agent 绑定独立的 model 与 temperature
4. 结果由主 Agent 汇总、交叉校验后输出
5. 加一层预算熔断：单任务 token 超限自动降档踩坑预警：子 Agent 越多，汇总不一致风险越高。建议强模型只保留在「拆解、复核、关键补丁」三处；其余环节信任轻量模型 + 自动化测试兜底。
Step 6：评估收益，决定要不要长期用
6 一周后看三组数字
建议按周复盘，用数据决定去留：
| 指标 | 怎么算 | 健康阈值参考 |
|---|---|---|
| 单任务成本 | 总 token ÷ 任务数 | 较单模型模式下降 30%+ |
| 一次通过率 | 无需返工的提交占比 | ≥ 70%（V2 委派后不劣化） |
| 强模型使用占比 | High 推理步骤 ÷ 总步骤 | 接近 20% 左右为佳 |
🎉 更系统的成本账可以看本中心《Agent 经济学入门》——把时薪、完成率、成本三张表放到一起，才能判断「模型路由」值不值得规模化。
常见问题速查
| 你遇到的现象 | 大概率原因 & 解决 |
|---|---|
| 没看到多智能体开关 | 客户端版本旧 / 账号未覆盖，更新后重试 |
| 子任务结果互相矛盾 | 调强主 Agent 复核强度，或减少子 Agent 数量 |
| 成本没降反升 | 推理强度设太高，先回到默认档再逐项调 |
| 不知道哪些步骤用了强模型 | 看 CLI 执行日志的模型列，或开详细日志模式 |