Czy zespoły agentów AI naprawdę działają lepiej? Benchmarki mówią, że zwykle nie
Zazwyczaj nie. Vals AI ustaliło, że łączenie GPT-6 Sol i Claude Opus 5.5 w zespoły rzadko zwracało się w stosunku do dodatkowych tokenów, choć jedna konfiguracja Sol ze średnim poziomem rozumowania wyraźnie się poprawiła.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Zazwyczaj nie. 11 października 2026 r. Vals AI poinformowało, że zespoły agentów AI często kosztują od 1,8x do 5,1x więcej niż pojedyncze agenty, a przy tym dają niewielką lub żadną mierzalną poprawę jakości, zwłaszcza przy maksymalnym poziomie rozumowania. Dla programistów i firm budujących przepływy pracy oparte na agentach wniosek jest prosty: jeśli zależy ci na lepszych wynikach, zanim zapłacisz za zespół, przetestuj najpierw jednego mocnego agenta.
Co przetestowało Vals AI
Vals AI oceniło GPT-6 Sol i Claude Opus 5.5 w swoim Vibe Code Bench, zarówno w trybie solo, jak i zespołowym, za każdym razem przy średnim i maksymalnym poziomie rozumowania. Spośród czterech porównań zespołu z pojedynczym agentem tylko jedno wykazało statystycznie istotny wzrost jakości: GPT-6 Sol przy średnim rozumowaniu, gdzie zespół uzyskał o 7,3 punktu więcej. Przy maksymalnym rozumowaniu konfiguracja zespołowa nie dała istotnej przewagi żadnemu z modeli.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Dlaczego to ważne
- Badanie sugeruje, że systemy wieloagentowe to często decyzja kosztowa, a nie jakościowa.
- Jeśli model już działa przy pełnym poziomie rozumowania, dodanie kolejnych agentów może niewiele poprawić wynik.
- Zespoły wciąż mogą mieć sens, gdy szybsze ukończenie zadania jest ważniejsze niż wyciśnięcie nieco lepszego wyniku.
- W przepływach pracy związanych z kodowaniem i badaniami, które zużywają dużo tokenów, koszty koordynacji mogą stać się realnym problemem budżetowym.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Więcej agentów pomagało raczej w szybkości niż w jakości
Szerszy obraz w źródle wskazuje w tym samym kierunku. Własne testy Anthropic z Opus 5.5 wykazały malejące korzyści przy dodawaniu kolejnych agentów: w zadaniu z bazą wiedzy wyniki rosły z 0,53 przy jednym agencie do 0,70 przy 10, 0,71 przy 30 i 0,74 przy 100. W dowodzeniu twierdzeń w Lean wyniki wyniosły 0,39, 0,66, 0,66 i 0,68. Badacz OpenAI Noam Brown również stwierdził, że systemy wieloagentowe kupują głównie szybkość, a nie lepszą jakość, zauważając, że cztery agenty kończyły zadania mniej więcej dwa razy szybciej przy mniej więcej dwukrotnie wyższym koszcie. Taki kompromis wydaje się lepiej sprawdzać w zadaniach równoległych, takich jak research w sieci czy matematyka, niż w pracy ściśle zintegrowanej, jak pisanie długich tekstów, gdzie koordynacja staje się obciążeniem.
Czy warto przestać korzystać z zespołów agentów AI?
Niekoniecznie. Wyniki sugerują, że zespoły są często kiepskim sposobem na kupienie jakości, ale nadal mogą się przydać, gdy liczy się szybkość, a zadanie da się podzielić na równoległe części.
Czy któraś konfiguracja zespołowa poprawiła wyniki w tym badaniu?
Tak. Vals AI odnotowało jeden statystycznie istotny wzrost jakości: GPT-6 Sol w konfiguracji zespołowej przy średnim rozumowaniu uzyskał o 7,3 punktu więcej niż wersja solo.
Jaka była główna wada konfiguracji wieloagentowych?
Koszt. W testach Vals AI zespoły kosztowały od 1,8x do 5,1x więcej niż pojedyncze agenty, a dodatkowe tokeny zwykle nie przekładały się na wyraźnie lepsze wyniki.
Jakie zadania mogą bardziej skorzystać na wielu agentach?
Według źródła lepszymi kandydatami są zadania, które dobrze dają się zrównoleglić, takie jak research w sieci i matematyka. Zadania wymagające jednego spójnego toku myślenia, jak pisanie, wydają się gorzej pasować do dużych rojów agentów.


