Four（四智能体协作）是近期 AI 领域被频繁讨论的一个多智能体话题，指由四个 AI 智能体组成的小组在开放环境中自主协作完成任务的一类实验设置。它并非某个单一产品的正式名称，而是社区对"小规模多智能体能否胜过单体大模型"这一路线的统称，处于研究探索与工程验证并行的阶段。
Four 智能体的近期进展
当前焦点与观察点
Four 类实验的核心争议在于：四智能体的成绩提升，究竟来自协作分工本身，还是来自底层模型的迭代。以 Minecraft 演示为例，观察者普遍关注任务是否预先拆解、环境反馈是否被人为简化，以及换用其他模型能否复现。
成本与可复现性也是焦点。多智能体并行意味着成倍的推理开销，27 小时的通关时长对应的算力消耗尚未公开，这使得"小团队智能体是否经济"仍无定论。此外，arXiv 上的理论工作（如近似值迭代分析）与工程演示之间存在明显鸿沟，理论保证难以直接迁移到 Minecraft 这类长时序开放任务。
后续值得跟踪的观察点包括：四智能体设定在代码生成、科学推理等非游戏基准上的对照实验结果；DeepMind 是否公开完整技术报告；以及国内模型生态（如 Step 5 Preview 在昇腾、摩尔线程等国产芯片上的 Day-0 适配）能否为多智能体实验提供更低成本的算力选项。在缺乏标准化评测之前，对 Four 类成果宜保持审慎解读。