Forschungsergebnis: KI-Agententeams verschwenden massive Token für kaum messbare Qualitätsverbesserungen
decoder ·
Neue Forschungsergebnisse deuten darauf hin, dass KI-Agententeams oft übermäßige Rechenressourcen verbrauchen, während sie nur vernachlässigbare Verbesserungen der Ausgabequalität liefern. Vals AI bewertete GPT-6 Sol und Claude Opus 5.5 im Vibe Code Bench und stellte fest, dass Multi-Agenten-Setups zwischen 1,8- und 5,1-mal teurer sind als einzelne Agenten, bei minimalen Leistungssteigerungen. Nur ein Vergleich zeigte eine statistisch signifikante Verbesserung, was darauf hindeutet, dass die zusätzlichen Kosten selten gerechtfertigt sind. Interne Tests von Anthropic zeigten weiterhin, dass das Hochskalieren von zehn auf 100 Agenten trotz höherem Token-Verbrauch nur leichte Punktestand-Erhöhungen brachte. OpenAI-Forscher Noam Brown bestätigte, dass Multi-Agenten-Systeme primär die Aufgabenerledigung beschleunigen, anstatt die Qualität zu verbessern, und bemerkte, dass die Vorteile der Parallelisierung je nach Art der Aufgabe erheblich variieren. Experten warnen vor dem Einsatz großer Agentenschwärme aufgrund von Koordinationsproblemen und hohen Kosten und bezeichnen dies für die meisten Anwendungen als verschwendete Investition.
decoder