האם צוותי סוכני AI באמת עובדים טוב יותר? מבחני הביצועים אומרים שבדרך כלל לא
ברוב המקרים לא. Vals AI מצאה ששילוב של GPT-6 Sol ו-Claude Opus 5.5 בצוות כמעט לא הצדיק את הטוקנים הנוספים, אם כי תצורה אחת של Sol ברמת חשיבה בינונית השתפרה באופן ניכר.
Illustration made on Lumeta with GPT Image 2.5Make one like it
בדרך כלל לא. ב-11 באוקטובר 2026 דיווחה Vals AI שצוותים של סוכני AI עולים לעיתים קרובות פי 1.8x עד 5.1x יותר מסוכן יחיד, ומספקים שיפור איכות זניח או אפסי, במיוחד ברמת חשיבה מקסימלית. עבור מפתחים וחברות שבונים תהליכי עבודה מבוססי סוכנים, המסקנה המיידית פשוטה: אם אתם רוצים תוצרים טובים יותר, התחילו בבדיקה של סוכן יחיד חזק לפני שאתם משלמים על צוות.
מה Vals AI בדקה
Vals AI העריכה את GPT-6 Sol ואת Claude Opus 5.5 במבחן Vibe Code Bench שלה, הן כסוכן יחיד והן בצוות, כל אחד ברמת חשיבה בינונית ומקסימלית. מתוך ארבע ההשוואות בין צוות לסוכן יחיד, רק אחת הראתה שיפור איכות מובהק סטטיסטית: GPT-6 Sol ברמת חשיבה בינונית, שבה הצוות השיג ציון גבוה ב-7.3 נקודות. ברמת חשיבה מקסימלית, תצורת הצוות לא העניקה יתרון משמעותי לאף אחד מהמודלים.

Illustration made on Lumeta with GPT Image 2.5Make one like it
למה זה חשוב
- המחקר מרמז שמערכות מרובות סוכנים הן לעיתים קרובות החלטה של עלות, לא של איכות.
- אם מודל כבר פועל ברמת חשיבה מלאה, הוספת סוכנים נוספים עשויה שלא לשפר את התוצאה בהרבה.
- צוותים עדיין יכולים להיות הגיוניים כשסיום מהיר חשוב יותר מסחיטה של תוצר מעט טוב יותר.
- בתהליכי קוד ומחקר שצורכים הרבה טוקנים, תקורת התיאום עלולה להפוך לבעיה תקציבית של ממש.

Illustration made on Lumeta with GPT Image 2.5Make one like it
נראה שיותר סוכנים עזרו למהירות יותר מאשר לאיכות
הדפוס הרחב יותר במקור מצביע לאותו כיוון. הבדיקות של Anthropic עצמה עם Opus 5.5 הראו תשואה פוחתת ככל שנוספו סוכנים: במשימת מאגר הידע, הציונים עלו מ-0.53 עם סוכן אחד ל-0.70 עם 10, ל-0.71 עם 30 ול-0.74 עם 100. בהוכחת משפטים ב-Lean, הציונים היו 0.39, 0.66, 0.66 ו-0.68. גם החוקר של OpenAI נועם בראון אמר שמערכות מרובות סוכנים קונות בעיקר מהירות, לא איכות טובה יותר, וציין שארבעה סוכנים סיימו משימות בערך פי שניים מהר יותר, בעלות של בערך פי שניים. נראה שהפשרה הזו עובדת טוב יותר במשימות מקביליות כמו מחקר ברשת או מתמטיקה מאשר בעבודה משולבת היטב כמו כתיבה ארוכה, שבה התיאום הופך למעמסה.
האם כדאי להפסיק להשתמש בצוותים של סוכני AI?
לא בהכרח. הממצאים מרמזים שצוותים הם לעיתים קרובות דרך גרועה לקנות איכות, אבל הם עדיין יכולים להועיל כשמהירות חשובה וניתן לפצל את המשימה לעבודה מקבילית.
האם תצורת צוות כלשהי שיפרה את התוצאות במחקר הזה?
כן. Vals AI מצאה שיפור איכות מובהק סטטיסטית אחד: GPT-6 Sol בתצורת צוות ברמת חשיבה בינונית השיג ציון גבוה ב-7.3 נקודות מהגרסה היחידה.
מה היה החיסרון המרכזי של תצורות מרובות סוכנים?
עלות. בבדיקות של Vals AI, צוותים עלו בין פי 1.8x ל-5.1x יותר מסוכנים יחידים, והטוקנים הנוספים בדרך כלל לא הובילו לתוצר טוב בהרבה.
אילו סוגי משימות עשויים להרוויח יותר מסוכנים מרובים?
על פי המקור, משימות שניתנות לביצוע מקבילי היטב, כמו מחקר ברשת ומתמטיקה, הן מועמדות טובות יותר. משימות שתלויות בקו מחשבה אחד וקוהרנטי, כמו כתיבה, נראות פחות מתאימות לנחילים גדולים של סוכנים.


