Werken teams van AI-agents echt beter? Benchmarks zeggen meestal van niet

Meestal niet. Vals AI ontdekte dat een team van GPT-6 Sol en Claude Opus 5.5 de extra tokens zelden waard was, al verbeterde één Sol-opstelling met gemiddeld redeneervermogen opvallend.

3 min read

Werken teams van AI-agents echt beter? Benchmarks zeggen meestal van niet

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

Meestal niet. Op 11 oktober 2026 meldde Vals AI dat teams van AI-agents vaak 1.8x tot 5.1x meer kosten dan losse agents, terwijl ze weinig of geen meetbare kwaliteitswinst opleveren, vooral bij maximaal redeneervermogen. Voor ontwikkelaars en bedrijven die agent-workflows bouwen is de les eenvoudig: wil je betere output, test dan eerst een sterke losse agent voordat je voor een team betaalt.

Wat Vals AI testte

Vals AI beoordeelde GPT-6 Sol en Claude Opus 5.5 op zijn Vibe Code Bench, zowel solo als in teamverband, telkens met gemiddeld en maximaal redeneervermogen. Van de vier vergelijkingen tussen team en solo liet er maar één een statistisch significante kwaliteitswinst zien: GPT-6 Sol met gemiddeld redeneervermogen, waarbij het team 7.3 punten hoger scoorde. Bij maximaal redeneervermogen gaf de teamopstelling geen van beide modellen een betekenisvol voordeel.

Vijf cartoonrobots met OpenAI-logo's drommen rond een bureau terwijl er één rustig werkt op een OpenAI-laptop.
Eén kalme programmeur, vier gejaagde assistenten en weinig om de overhead te rechtvaardigen.

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

Waarom het ertoe doet

  • Het onderzoek suggereert dat multi-agentsystemen vaak een kostenkwestie zijn, geen kwaliteitskwestie.
  • Als een model al op maximaal redeneervermogen draait, levert het toevoegen van meer agents mogelijk weinig op.
  • Teams kunnen nog steeds zinvol zijn wanneer snelheid belangrijker is dan net iets betere output.
  • Bij programmeer- en onderzoeksworkflows met veel tokengebruik kan de coördinatie-overhead een echt budgetprobleem worden.
y kleinere gloeiende auto's op een racecircuit.
Een zwerm tokenverslindende racers haalt de eenzame koploper maar net in.

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

Meer agents leken vooral de snelheid te helpen, niet de kwaliteit

Het bredere beeld in de bron wijst dezelfde kant op. Anthropics eigen tests met Opus 5.5 lieten afnemende meeropbrengsten zien naarmate er meer agents bijkwamen: bij de kennisbanktaak stegen de scores van 0.53 met één agent naar 0.70 met 10, 0.71 met 30 en 0.74 met 100. Bij het bewijzen van stellingen in Lean waren de scores 0.39, 0.66, 0.66 en 0.68. OpenAI-onderzoeker Noam Brown zei ook dat multi-agentsystemen vooral snelheid opleveren, geen betere kwaliteit: vier agents rondden taken ongeveer twee keer zo snel af tegen ongeveer twee keer de kosten. Die afweging lijkt beter uit te pakken bij parallelle taken zoals webonderzoek of wiskunde dan bij sterk samenhangend werk zoals lange teksten schrijven, waar coördinatie een blok aan het been wordt.

Moet je stoppen met teams van AI-agents?

Niet per se. De bevindingen suggereren dat teams vaak een slechte manier zijn om kwaliteit te kopen, maar ze kunnen nog steeds nuttig zijn als snelheid telt en de taak in parallel werk op te splitsen is.

Leverde een teamopstelling in dit onderzoek betere resultaten op?

Ja. Vals AI vond één statistisch significante kwaliteitswinst: GPT-6 Sol in teamverband met gemiddeld redeneervermogen scoorde 7.3 punten hoger dan de soloversie.

Wat was het grootste nadeel van multi-agentopstellingen?

De kosten. In de tests van Vals AI kostten teams 1.8x tot 5.1x meer dan losse agents, en die extra tokens leverden meestal geen veel betere output op.

Welke soorten taken hebben meer baat bij meerdere agents?

Volgens de bron zijn taken die zich goed laten paralleliseren, zoals webonderzoek en wiskunde, betere kandidaten. Taken die afhangen van één samenhangende gedachtegang, zoals schrijven, lijken minder geschikt voor grote zwermen agents.

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 2.6Best beoordeelde afbeeldingsgenerator en -editor van OpenAI, nu sneller, tot 4K

All tools for "From a description"

More from Lumeta

All Nieuws