Equipes de agentes de IA funcionam melhor? Benchmarks dizem que geralmente não

Na maioria dos casos, não. A Vals AI concluiu que combinar GPT-6 Sol e Claude Opus 5.5 em equipe raramente compensou os tokens extras, embora uma configuração do Sol com raciocínio médio tenha melhorado de forma notável.

3 min read

Equipes de agentes de IA funcionam melhor? Benchmarks dizem que geralmente não

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

Geralmente não. Em 11 de outubro de 2026, a Vals AI relatou que equipes de agentes de IA muitas vezes custam de 1.8x a 5.1x mais do que agentes individuais, com pouca ou nenhuma melhoria mensurável de qualidade, sobretudo no raciocínio máximo. Para desenvolvedores e empresas que constroem fluxos de trabalho com agentes, a lição imediata é simples: se você quer resultados melhores, comece testando um agente individual forte antes de pagar por uma equipe.

O que a Vals AI testou

A Vals AI avaliou o GPT-6 Sol e o Claude Opus 5.5 no seu Vibe Code Bench, em configurações individuais e em equipe, cada uma com esforço de raciocínio médio e máximo. Nas quatro comparações entre equipe e agente individual, apenas uma mostrou ganho de qualidade estatisticamente significativo: o GPT-6 Sol com raciocínio médio, em que a equipe obteve 7.3 pontos a mais. No raciocínio máximo, a configuração em equipe não trouxe vantagem relevante a nenhum dos modelos.

Cinco robôs de desenho animado com logotipos da OpenAI se aglomeram em torno de uma mesa enquanto um deles trabalha tranquilamente em um notebook da OpenAI.
Um programador tranquilo, quatro assistentes frenéticos e pouco resultado para justificar o custo extra.

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

Por que isso importa

  • A pesquisa sugere que sistemas multiagente costumam ser uma decisão de custo, não de qualidade.
  • Se um modelo já está operando com esforço de raciocínio máximo, adicionar mais agentes pode não melhorar muito o resultado.
  • Equipes ainda podem fazer sentido quando concluir mais rápido importa mais do que extrair um resultado ligeiramente melhor.
  • Em fluxos de programação e pesquisa com uso intenso de tokens, o custo de coordenação pode virar um problema real de orçamento.
e carros menores e brilhantes em uma pista de corrida.
Um enxame de corredores que queimam tokens mal consegue alcançar o líder solitário.

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

Mais agentes pareceram ajudar mais na velocidade do que na qualidade

O padrão mais amplo na fonte aponta na mesma direção. Os próprios testes da Anthropic com o Opus 5.5 mostraram retornos decrescentes à medida que mais agentes eram adicionados: na tarefa de base de conhecimento, as pontuações passaram de 0.53 com um agente para 0.70 com 10, 0.71 com 30 e 0.74 com 100. Na prova de teoremas em Lean, as pontuações foram 0.39, 0.66, 0.66 e 0.68. O pesquisador da OpenAI Noam Brown também afirmou que sistemas multiagente compram principalmente velocidade, não qualidade, observando que quatro agentes concluíram tarefas cerca de duas vezes mais rápido a cerca do dobro do custo. Essa troca parece funcionar melhor em tarefas paralelas, como pesquisa na web ou matemática, do que em trabalhos muito integrados, como textos longos, em que a coordenação vira um peso.

Você deve parar de usar equipes de agentes de IA?

Não necessariamente. Os resultados sugerem que equipes costumam ser uma forma ruim de comprar qualidade, mas ainda podem ser úteis quando a velocidade importa e a tarefa pode ser dividida em trabalho paralelo.

Alguma configuração em equipe melhorou os resultados nesta pesquisa?

Sim. A Vals AI encontrou um ganho de qualidade estatisticamente significativo: o GPT-6 Sol em equipe com raciocínio médio obteve 7.3 pontos a mais do que a versão individual.

Qual foi a principal desvantagem das configurações multiagente?

O custo. Nos testes da Vals AI, as equipes custaram entre 1.8x e 5.1x mais do que agentes individuais, e esses tokens extras geralmente não se traduziram em resultados muito melhores.

Que tipos de tarefa podem se beneficiar mais de múltiplos agentes?

Com base na fonte, tarefas que se paralelizam bem, como pesquisa na web e matemática, são melhores candidatas. Tarefas que dependem de uma única linha de raciocínio coerente, como a escrita, parecem menos adequadas a grandes enxames de agentes.

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 2.6O gerador e editor de imagens mais bem avaliado da OpenAI, agora mais rápido, até 4K

All tools for "From a description"

More from Lumeta

All Notícias