用多智能体做科研，最近一年已经不新鲜：让几个模型分工、讨论、互相挑错，是很多「AI for Science」项目的标准打法。但绝大多数这类系统，背后都有一个写死的流程——谁先想、谁来验证、走几步，都是人排好的。一篇 9 月 14 日更新的预印本描述的 Station，想试的是另一种活法：把研究环境本身打开，让智能体自己决定干什么。
它和「脚本化多智能体」哪里不同
Station 被作者称为「开世界多智能体环境」。它不只是一条流水线，而是一块场地：多个来自不同模型家族的智能体（论文披露的配置是 2 个 GPT-5.5、2 个 Claude Opus 4.8、2 个 Gemini 3.1 Pro）在里头没有中央协调者，也不按固定脚本走。它们自己选研究方向、做实验、写论文，并把成果积累成一份共享知识库，后面的智能体可以读、可以引用、可以在上面继续做。
这套机制的要害在于「可累积」。很多多智能体系统每次运行都是一次性的，结论用完就丢；Station 让智能体的产出留在场子里，成为后续智能体的起点。论文说，在 12 道取自 AlphaEvolve 的数学构造题，外加 2 个案例研究里，有 5 道产出了作者判定为相对既有文献而言新的结果。
为什么 Lean 证明是关键一环
光说「发现了新结果」在 math 圈是不够的，所以 Station 真正值得注意的是它的证据包：团队公开了源代码、智能体之间的完整对话、智能体写下的论文，以及用 Lean 写的形式化证明制品。Lean 是一个证明助手，能一步步机械地核对形式化陈述。这意味着，读者拿到的不只是一句「我们发现了」，而是一份机器可以独立核验的推导。
增量认知：多智能体科研的真正瓶颈，往往不是「再多开几个智能体」，而是「能不能把中间结论留存、被引用、被机器核验」。Station 的价值不在于它用了多少模型，而在于它把研究过程变成了一份可审计、可复现的产物。
要冷静看待的部分
这里有两道必须说清的边界。其一，Lean 能确认的是「形式化写进 Lean 的那条陈述」，它并不自动保证这条形式化陈述和英文描述里的「新结果」严丝合缝——翻译环节仍可能出错。其二，所谓「新」，是作者本人在预印本里的判定，不是外部同行评审的结论。换句话说，这是一份证据密度很高的主张，而不是已被学界盖戳的事实。
辩证地看，Station 给「智能体能不能做科研」这个问题，提供了一版更诚实的答卷：它不靠把结论说得很满来博眼球，而是把过程、对话、代码和证明都摊开。对多智能体研究本身，它的启发是——下一步的竞争焦点，会从「谁的智能体更会聊」转向「谁的研究过程更可检查、更可累积」。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。