很多多智能体基准默认一件事：每个 agent 都能看到整个环境。可真实世界里这不成立——物理限制、隐私边界、权限隔离，让每个 agent 往往只摸到环境的一小块。在这个「看不全」的条件下，多智能体到底该怎么组织协作，过去很少被认真测过。10 月 3 日挂出 arXiv 的 MASBench（编号 2610.04672）就是冲着这个缺口去的。
过去很多基准默认 agent 之间共享一块「全局黑板」——谁手上有啥信息，大家一目了然。可这在一道防火墙、一份权限表、一条数据合规要求面前就破了。客服 agent 看不到后台全量订单，医疗 agent 看不到跨科室病历，制造 agent 看不到另一条产线的状态，这些才是真实部署的常态。把这组约束拿掉，评出来的「最优机制」很可能只是实验室里的赢家，一上线就被信息盲区打回原形。
在部分可观测下，把协作机制摆上秤
MASBench 的设计很克制：它把约束直接钉死成「部分可观测」——每个 agent 只见局部信息，而不是上帝视角。在这个前提下，它用三类渐进任务来加压：推理、调度、博弈，难度依次往上走；再拿出三种有代表性的协作机制来比：Protocol（靠协议约定怎么交互）、Memory（靠共享记忆）、Routing（靠路由把任务分给对的 agent）。这样一来，实验不是在比「哪个模型更聪明」，而是在比「哪种协作机制更经得起信息不对称的折腾」。
确定性指标：同时看结果与开销
这篇的实用之处在于它给出的不是模糊观感，而是三组确定性指标。性能分看协作结果到底好不好；通信成本看 agent 之间为了协同多花了多少交互；性价比把前两者合起来，看每单位开销换来了多少收益。很多团队在「用协议、用记忆还是用路由」上是拍脑袋的，MASBench 则在不同模型骨干、不同机制配置下给出实证指引，让「机制选择」变成一件可测的事。其中通信成本这一项，往往戳中多智能体最隐蔽的痛点——agent 之间为对齐而多发的对话，常常是肉眼看不见的开销大头。
为什么「看不全」才是真考题
这篇的增量认知，是把行业从「理想假设」拉回「现实约束」。全局可见是实验室里的奢侈品，真实部署里每个 agent 都带着信息盲区：客服 agent 看不到后台全量订单，医疗 agent 看不到跨科室病历，工厂 agent 看不到另一条产线的状态。这时候协作机制要解决的，恰恰是「怎么在各自只见局部的情况下，把事做成且不漏关键信息」。MASBench 把这一层显式建模进基准，等于提醒做多智能体系统的人：先想清楚信息不对称怎么治理，再谈编排多花哨。
和本批另两篇是同一波「把多智能体变可测」
把 MASBench 和本批的 ST-Bench、NP-Bench 放一起看，三篇其实在干同一件事的不同切面：ST-Bench 测的是「多智能体在专业数据分析里好在哪（覆盖面）」，NP-Bench 测的是「并行编码 agent 怎么不撞车（调度）」，MASBench 补的是「信息不对称下该用哪种协作机制」。三者合起来，标志着多智能体研究正在从「秀能力」走向「可度量、可选型」。当然，MASBench 目前的三类任务仍是受控设定，博弈与调度里的机制优劣能否直接搬进企业真实工作流，仍需在实践中校验。
对正在搭多智能体系统的团队，MASBench 的价值是一句提醒：别在全局可见的 demo 里选机制，要在「每人只见局部」的真条件下去测——那才是你的 agent 上线后会面对的世界。