В новом исследовании Vals AI сравнила одиночных ИИ-агентов с командами агентов на тесте Vibe Code Bench. Проверяли две ведущие модели — GPT‑6 Sol и Claude Opus 5.5: они работали поодиночке и в группах до 100 агентов. Команды расходовали в 1,8–5,1 раза больше токенов, чем одна модель, но почти не улучшали результаты.
Что показывают цифры
Из четырёх прямых сравнений статистически значимым оказался только один результат: GPT‑6 Sol со средним уровнем рассуждений набрала в команде на 7,3 пункта больше. При максимальном уровне рассуждений ни одна из моделей не показала измеримого преимущества. Данные свидетельствуют, что дополнительные вычислительные затраты на рои агентов редко повышают качество, особенно если модели уже работают на пределе своих возможностей.
Почему ускорение не означает лучший результат
Исследователи OpenAI пришли к похожему выводу. В подкасте Ноам Браун отметил, что дополнительные агенты главным образом ускоряют задачи, которые хорошо поддаются распараллеливанию, например поиск информации в интернете или решение математических задач, но не улучшают сам ответ. Четыре агента справились с задачей вдвое быстрее, но и обошлись вдвое дороже. При увеличении числа агентов до нескольких десятков отдача снижалась, а для творческих задач, например написания романа, большие группы не дают преимуществ.
Почему это важно
Разработчикам, которые планируют расходы на облачные вычисления, исследование показывает: подключение множества ИИ-агентов, скорее всего, повысит затраты, но не улучшит качество продукта. Компаниям, которые хотят ускорить рутинные задачи, стоит сопоставить стоимость токенов с умеренным выигрышем в скорости; возможно, эффективнее будет оптимизировать запросы для одного агента.
