Le squadre di agenti AI sprecano enormi quantità di token per guadagni di qualità quasi impercettibili, rivela la ricerca
decoder ·
Una ricerca recente indica che i team di agenti AI consumano spesso risorse computazionali eccessive, ottenendo miglioramenti trascurabili nella qualità dell'output. Vals AI ha valutato GPT-6 Sol e Claude Opus 5.5 sul Vibe Code Bench, riscontrando che le configurazioni multi-agente costano da 1,8 a 5,1 volte in più rispetto agli agenti singoli, con guadagni di prestazioni minimi. Solo un confronto ha mostrato un miglioramento statisticamente significativo, suggerendo che il costo aggiuntivo è raramente giustificato. Test interni condotti da Anthropic hanno ulteriormente dimostrato che l'aumento del numero di agenti da dieci a cento ha prodotto solo lievi incrementi dei punteggi nonostante l'uso maggiore di token. Il ricercatore di OpenAI Noam Brown ha confermato che i sistemi multi-agente accelerano principalmente il completamento delle attività piuttosto che migliorare la qualità, notando che i benefici della parallelizzazione variano significativamente in base al tipo di compito. Gli esperti sconsigliano l'uso di sciami di grandi dimensioni di agenti a causa di problemi di coordinamento e costi elevati, definendolo uno spreco di investimento per la maggior parte delle applicazioni.
decoder