I team di agenti AI funzionano davvero meglio? Secondo i benchmark, di solito no

Per lo più no. Vals AI ha rilevato che far lavorare in team GPT-6 Sol e Claude Opus 5.5 raramente ripagava i token aggiuntivi, anche se una configurazione di Sol con ragionamento medio è migliorata in modo evidente.

3 min read

I team di agenti AI funzionano davvero meglio? Secondo i benchmark, di solito no

Illustration made on Lumeta with GPT Image 2.5Make one like it

Di solito no. L'11 ottobre 2026 Vals AI ha riferito che i team di agenti AI costano spesso da 1.8x a 5.1x in più rispetto ai singoli agenti, offrendo miglioramenti di qualità minimi o non misurabili, soprattutto con il ragionamento al massimo. Per sviluppatori e aziende che costruiscono workflow basati su agenti, la lezione immediata è semplice: se volete risultati migliori, provate prima un singolo agente valido prima di pagare per un team.

Cosa ha testato Vals AI

Vals AI ha valutato GPT-6 Sol e Claude Opus 5.5 sul suo Vibe Code Bench sia in configurazione singola sia in team, ciascuno con sforzo di ragionamento medio e massimo. Dei quattro confronti tra team e agente singolo, solo uno ha mostrato un guadagno di qualità statisticamente significativo: GPT-6 Sol con ragionamento medio, dove il team ha ottenuto 7.3 punti in più. Con il ragionamento al massimo, la configurazione in team non ha dato a nessuno dei due modelli un vantaggio significativo.

Cinque robot in stile cartone animato con il logo di OpenAI si affollano intorno a una scrivania mentre uno lavora tranquillo su un portatile OpenAI.
Un programmatore calmo, quattro assistenti frenetici e ben poco da mostrare a fronte dei costi aggiuntivi.

Illustration made on Lumeta with GPT Image 2.5Make one like it

Perché è importante

  • La ricerca suggerisce che i sistemi multi-agente sono spesso una scelta di costo, non di qualità.
  • Se un modello lavora già con il massimo sforzo di ragionamento, aggiungere altri agenti potrebbe non migliorare molto il risultato.
  • I team possono comunque avere senso quando completare il lavoro più in fretta conta più che ottenere un risultato leggermente migliore.
  • Nei workflow di programmazione e ricerca con un forte consumo di token, il costo del coordinamento può diventare un vero problema di budget.
y auto più piccole e luminose su una pista.
Uno sciame di bolidi divoratori di token raggiunge a malapena il leader solitario.

Illustration made on Lumeta with GPT Image 2.5Make one like it

Più agenti sembrano aiutare la velocità più che la qualità

Il quadro più ampio della fonte va nella stessa direzione. I test di Anthropic su Opus 5.5 hanno mostrato rendimenti decrescenti con l'aggiunta di agenti: nel compito sulla knowledge base, i punteggi sono passati da 0.53 con un agente a 0.70 con 10, 0.71 con 30 e 0.74 con 100. Nella dimostrazione di teoremi in Lean, i punteggi sono stati 0.39, 0.66, 0.66 e 0.68. Anche il ricercatore di OpenAI Noam Brown ha affermato che i sistemi multi-agente comprano soprattutto velocità, non qualità, osservando che quattro agenti completavano i compiti circa due volte più in fretta a circa il doppio del costo. Questo compromesso sembra funzionare meglio per compiti parallelizzabili come la ricerca sul web o la matematica che per lavori fortemente integrati come la scrittura di testi lunghi, dove il coordinamento diventa un freno.

Bisogna smettere di usare i team di agenti AI?

Non necessariamente. I risultati indicano che i team sono spesso un modo poco efficace per ottenere qualità, ma possono comunque essere utili quando conta la velocità e il compito si può suddividere in attività parallele.

In questa ricerca, qualche configurazione in team ha migliorato i risultati?

Sì. Vals AI ha rilevato un solo guadagno di qualità statisticamente significativo: GPT-6 Sol in team con ragionamento medio ha ottenuto 7.3 punti in più rispetto alla versione singola.

Qual è stato il principale svantaggio delle configurazioni multi-agente?

Il costo. Nei test di Vals AI, i team costavano da 1.8x a 5.1x in più rispetto ai singoli agenti, e quei token in più di solito non si traducevano in risultati molto migliori.

Quali tipi di compiti possono trarre più vantaggio da più agenti?

Secondo la fonte, i candidati migliori sono i compiti che si parallelizzano bene, come la ricerca sul web e la matematica. I compiti che dipendono da un unico filo logico coerente, come la scrittura, sembrano meno adatti a grandi sciami di agenti.

Every top AI model, in one place

Nano Banana 2, GPT Image 2.5, Seedance, Veo and more, all on one credit balance. Start free with 35 credits a month. No card needed.

GPT Image 2.6Il generatore ed editor di immagini più apprezzato di OpenAI, ora più veloce, fino a 4K

All tools for "From a description"

More from Lumeta

All Notizie