Equipes de agentes de IA desperdiçam massivos tokens por ganhos de qualidade quase mensuráveis, revela pesquisa
decoder ·
Pesquisas recentes indicam que equipes de agentes de IA frequentemente consomem recursos computacionais excessivos, entregando melhorias insignificantes na qualidade das saídas. A Vals AI avaliou o GPT-6 Sol e o Claude Opus 5.5 no Vibe Code Bench, descobrindo que configurações com múltiplos agentes custam entre 1,8x e 5,1x mais do que agentes únicos, com ganhos mínimos de desempenho. Apenas uma comparação mostrou melhora estatisticamente significativa, sugerindo que o custo adicional raramente é justificado. Testes internos da Anthropic demonstraram ainda que a escalabilidade de dez para 100 agentes resultou apenas em pequenos aumentos nas pontuações, apesar do maior uso de tokens. O pesquisador da OpenAI, Noam Brown, confirmou que sistemas multiagentes aceleram principalmente a conclusão de tarefas, em vez de melhorar a qualidade, observando que os benefícios da paralelização variam significativamente conforme o tipo de tarefa. Especialistas alertam contra o uso de grandes enxames de agentes devido a falhas de coordenação e altos custos, descrevendo isso como um investimento desperdiçado para a maioria das aplicações.
decoder