工程复盘说明：本文基于有限样本的复现与观察，重点是总结可被提前捕捉的失败模式， 不构成模型榜单或通用能力排名。

不同的大模型不只是“做得不一样”。在同一套多智能体协议约束下，它们的协作方式 也会不一样。

我们在完全相同的协议约束下跑了 54 次多智能体会话，覆盖 4 种提供方配置。结果呈现出 可复现的“行为指纹”：在这类场景里，协议合规（在正确的时间发出正确的协议信号） 往往是区别于“原始能力”的关键变量。