Исследование показывает: команды ИИ-агентов тратят огромные объемы токенов ради едва измеримого улучшения качества
decoder ·
Недавние исследования показывают, что команды ИИ-агентов часто расходуют чрезмерные вычислительные ресурсы, принося ничтожное улучшение качества результатов. Компания Vals AI провела оценку моделей GPT-6 Sol и Claude Opus 5.5 на платформе Vibe Code Bench и выяснила, что многоагентные конфигурации обходятся в 1,8–5,1 раза дороже одиночных агентов, обеспечивая при этом минимальный рост производительности. Лишь в одном случае было зафиксировано статистически значимое улучшение, что указывает на то, что дополнительные расходы редко оправданы. Внутренние тесты Anthropic также продемонстрировали: масштабирование с десяти до ста агентов дало лишь незначительный рост показателей, несмотря на увеличение потребления токенов. Исследователь OpenAI Ноам Браун подтвердил, что многоагентные системы в первую очередь ускоряют выполнение задач, а не повышают их качество, отметив, что преимущества параллелизации существенно зависят от типа задачи. Эксперты предостерегают от использования крупных роев агентов из-за проблем с координацией и высоких затрат, называя такие решения неэффективными вложениями для большинства приложений.
decoder