Работают ли команды ИИ-агентов лучше? Бенчмарки говорят: обычно нет
В основном нет. Vals AI выяснила, что объединение GPT-6 Sol и Claude Opus 5.5 в команды редко окупало дополнительные токены, хотя одна конфигурация Sol со средним уровнем рассуждений заметно улучшила результат.
Illustration made on Lumeta with GPT Image 2.5Make one like it
Как правило, нет. 11 октября 2026 года Vals AI сообщила, что команды ИИ-агентов часто обходятся в 1.8x–5.1x дороже одиночных агентов, почти не давая или вовсе не давая измеримого прироста качества, особенно на максимальном уровне рассуждений. Для разработчиков и компаний, создающих агентные процессы, вывод простой: если нужен лучший результат, сначала протестируйте сильного одиночного агента и только потом платите за команду.
Что тестировала Vals AI
Vals AI оценила GPT-6 Sol и Claude Opus 5.5 на своём бенчмарке Vibe Code Bench в одиночном и командном режимах, каждый раз на среднем и максимальном уровне рассуждений. Из четырёх сравнений «команда против одиночки» лишь одно показало статистически значимый прирост качества: GPT-6 Sol на среднем уровне рассуждений, где команда набрала на 7.3 балла больше. На максимальном уровне рассуждений командный режим не дал ощутимого преимущества ни одной из моделей.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Почему это важно
- Исследование показывает, что мультиагентные системы часто связаны с расходами, а не с качеством.
- Если модель уже работает на максимальном уровне рассуждений, добавление агентов может мало что улучшить.
- Команды всё же могут быть оправданы, когда скорость выполнения важнее, чем небольшое улучшение результата.
- В задачах программирования и исследований с большим расходом токенов издержки на координацию могут стать серьёзной проблемой для бюджета.

Illustration made on Lumeta with GPT Image 2.5Make one like it
Больше агентов скорее ускоряет работу, чем повышает качество
Общая картина в источнике указывает в ту же сторону. Собственные тесты Anthropic с Opus 5.5 показали убывающую отдачу по мере добавления агентов: в задаче с базой знаний результат вырос с 0.53 при одном агенте до 0.70 при 10, 0.71 при 30 и 0.74 при 100. В доказательстве теорем на Lean показатели составили 0.39, 0.66, 0.66 и 0.68. Исследователь OpenAI Ноам Браун также заявил, что мультиагентные системы в основном дают скорость, а не качество: по его словам, четыре агента выполняли задачи примерно вдвое быстрее примерно за вдвое большую цену. Такой компромисс, судя по всему, лучше работает для параллельных задач вроде веб-поиска или математики, чем для тесно связанной работы вроде написания длинных текстов, где координация становится обузой.
Стоит ли отказаться от команд ИИ-агентов?
Не обязательно. Результаты говорят о том, что команды часто оказываются неудачным способом купить качество, но они всё ещё полезны, когда важна скорость и задачу можно разбить на параллельные части.
Улучшила ли какая-либо командная конфигурация результаты в этом исследовании?
Да. Vals AI зафиксировала один статистически значимый прирост качества: GPT-6 Sol в командном режиме на среднем уровне рассуждений набрал на 7.3 балла больше, чем в одиночном.
Какой главный недостаток мультиагентных конфигураций?
Стоимость. В тестах Vals AI команды обходились в 1.8x–5.1x дороже одиночных агентов, и дополнительные токены обычно не давали заметно лучшего результата.
Каким задачам несколько агентов могут помочь больше?
Судя по источнику, лучше подходят хорошо распараллеливаемые задачи, например веб-поиск и математика. Задачи, требующие единой связной линии мысли, такие как написание текстов, похоже, хуже подходят для больших роёв агентов.


