GPT同一名工程师让GPT-6.1、
Gemini、Claude与Grok等模型驱动48个并行智能体，用72小时处理NASA公开LiDAR数据，范围约1200平方公里墨西哥丛林，找出一处疑似未登记遗址：广场、8-12米椭圆金字塔、疑似水库，外加三处居住台地。墨西哥国家人类学历史研究院书面回复，确认该坐标没有已知登记记录。
事实还原
事情起于这名工程师在秘鲁旅行时跟多个模型聊历史探索案例，之后把注意力转到玛雅区域的公开LiDAR数据上。智能体把约1200平方公里的LiDAR条带转成图像，48个智能体逐个审阅，认金字塔、平台、广场这些几何形态，同时把自然丘陵、落水洞和道路筛掉。全程没有用任何专用考古分类模型，只靠通用模型按精确指南做视觉分析。
智能体接着比对文献和档案，标出一处主要村落没有登记记录。该地点在悬崖边缘，边缘是直线，转角尖锐，里面有平整广场、8-12米椭圆金字塔、相连的高台庭院和平底洼地。工程师随后联系墨西哥国家人类学历史研究院，提交带坐标的报告；研究院回复确认无登记遗址。
机制拆解
关键在多个智能体并行分工：一部分管图像转换和初步筛选，另一部分做文献交叉验证和三维点云复核，确认地面形态不是植被造成的伪影。从拿到数据到生成报告，整个流程72小时内走完，其间智能体还给出报告撰写指导、翻译建议和联系方式。
这套做法靠的是公开LiDAR数据和现有通用模型的视觉理解能力，不用额外训练，也不用领域专用工具。智能体通过反复对话把任务一步步细化，从初步识别到生成三维可视化、推测历史情境，串成一条完整的发现链条。
产业影响
该案例说明，通用模型群体能快速把公开遥感数据和文献资源整合起来，专业领域发现的进入门槛因此降低。传统考古往往要长期田野调查加专用设备，而这种办法短时间内就能完成大范围初步筛查，资源分配方式可能随之改变，研究者能更早把精力放到实地验证上。
对科研机构来说，类似方法可以搬到其他使用公开遥感数据的领域，从数据到假设的转化会更快。不过最终确认还得靠专业机构实地核查，智能体给出的只是候选位置。
战略判断
【分析】不用专用模型，通用智能体群体已经展现出处理大规模图像、做文献交叉验证的能力，科研工具可能从单一模型走向多智能体协作。未来的竞争或许会变成谁能更高效地编排通用模型、覆盖特定科学流程，而不是谁去开发垂直领域的专用系统。利益相关方里，手握大量公开数据的机构可能占更大优势，习惯依赖专用工具的团队则要重新评估工作流程。历史先例中，LiDAR技术本身就多次用于发现玛雅遗址，这次案例又把从获取数据到出初步报告的时间缩短了，但实地验证这一环仍然替代不了。
