Una nueva evaluación de Vals AI comparó agentes de IA individuales con equipos de agentes en su Vibe Code Bench. La prueba utilizó dos modelos líderes —GPT‑6 Sol y Claude Opus 5.5— en modo individual y en grupos de hasta 100 agentes. Los equipos consumieron entre 1.8 × y 5.1 × más tokens que un solo modelo, pero apenas obtuvieron mejores puntuaciones.
Qué muestran las cifras
De cuatro comparaciones directas, solo una arrojó una diferencia estadísticamente significativa: GPT‑6 Sol obtuvo 7.3 puntos más al trabajar en equipo con un nivel medio de razonamiento. Con el nivel máximo de razonamiento, ninguno de los dos modelos logró una ventaja medible. Los datos sugieren que el costo adicional de cómputo de los grupos de agentes rara vez se traduce en una mayor calidad, especialmente cuando los modelos ya funcionan a plena capacidad.
Por qué acelerar no significa obtener mejores resultados
Investigadores de OpenAI coinciden con estos hallazgos. En un pódcast, Noam Brown señaló que añadir agentes principalmente acelera las tareas que pueden ejecutarse en paralelo, como la investigación web o las matemáticas, pero no mejora la respuesta en sí. Cuatro agentes resolvieron una tarea el doble de rápido, pero también costaron el doble. Al ampliar el equipo a decenas de agentes, los beneficios fueron decrecientes y, en trabajos creativos como escribir una novela, los grupos grandes no aportan valor.
Por qué importa
Para los desarrolladores que presupuestan el cómputo en la nube, el estudio advierte que añadir muchos agentes de IA probablemente elevará los gastos sin mejorar la calidad del producto. Las empresas que busquen acelerar tareas rutinarias deberían sopesar el costo en tokens frente a las modestas ganancias de velocidad; quizá les convenga más optimizar las instrucciones para un solo agente.
