The architecture scales horizontally to 300 sub-agents executing across 4,000 coordinated steps simultaneously, a substantial expansion from K2.5's 100 sub-agents and 1,500 steps.
大多数人认为AI系统的扩展主要依赖于增加单个模型的计算能力和参数规模，而非增加智能体的数量。作者提出的300个智能体并行执行的模式挑战了这一认知，暗示未来AI发展可能更侧重于'多智能体协作'而非'单一模型增强'，这可能会重新定义AI系统的架构设计原则。
memory-driven experience scaling represents a crucial new frontier for agent scaling
大多数人认为智能体扩展应该主要通过增加模型参数或计算资源来实现。但作者提出经验驱动的记忆扩展是智能体扩展的关键新前沿，这挑战了传统扩展范式，暗示未来的AI发展可能更关注如何有效利用经验而非仅仅是扩大规模。
scaling Muse Spark with multi-agent thinking enables superior performance with comparable latency.
令人惊讶的是：通过扩展并行智能体的数量而非延长单个智能体的思考时间，Muse Spark能够在保持相近延迟的同时实现更优性能。这种多智能体协调的推理方式挑战了传统AI模型通过增加计算时间提高性能的范式，为高效推理提供了新思路。