多智能体协作不再一律加人：先估骨干模型这道题会不会做，强模型省下36%token

多智能体系统不再对每个问题套用同一套协作结构，而是先估计骨干模型对当前问题的胜任度，再据此决定哪些角色参与、角色之间如何通信。 此前的自动结构方法主要围绕任务语义或运行时上下文来组织协作，对骨干模型在当前问题上的胜任度缺少显式建模。 在MMLU上，面向高胜任度骨干的一组对比中，平均准确率从G-Designer的87.22升到89.97，同时部署后每查询token用量减少36.26%。

胜任度先被写成一份可复用的骨干能力指纹，再与当前问题结合成任务条件下的胜任度表示，作为编排的控制信号。 指纹由固定的48题探针集一次性测得，按四个能力域分行、每行12题由易到难排列，因此不同骨干之间可以直接比较。 监督信号来自14个骨干在192道非探针题上重复运行得到的经验成功率，共1060条训练实例；消融中移除能力指纹后平均分下降3.02，token用量增加154.64%。

角色激活与通信图生成都读取这份胜任度表示：胜任度高时压低平均激活规模，胜任度低时放开更多角色与更密的通信。 角色激活没有直接标注，训练时用任务—角色相似度作为语义锚点，并复用问题级成功率作为软预算先验来约束整体激活规模。 在面向效率的一组骨干上，平均分从G-Designer的74.07升到78.65；在未参与探针构建与监督采集的GLM 5.1与Gemini 3.1 Pro上，同样的趋势仍然成立。

报告覆盖的是六个基准上的评测：MMLU、GSM8K、MultiArith、SVAMP、AQuA与HumanEval，其中前五个用准确率、HumanEval用Pass@1。跨骨干结果在MMLU上给出，另在GPQA Diamond与BBEH-mini上以未见过骨干Gemma4做了补充评测。适合正在搭建或调优多智能体推理流水线的研究人员与工程师阅读。

胜任度监督来自重复运行估计的经验成功率，属于代理信号，而非直接标注。角色激活没有直接监督，依赖语义锚点与软预算两项弱监督。效率对比只统计部署时的token用量，与离线监督采集和模型训练分开计算；一次性指纹注册成本按三个面向性能的骨干取平均摊销，约28次查询回收。未见过骨干上的结论目前主要在MMLU上给出。