Vals AI 研究：AI 智能体团队成本高数倍，质量提升却微乎其微
AI agent teams waste massive tokens for barely measurable quality gains, research finds
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，团队成本是单智能体的 1.8 倍到 5.1 倍。
2026年10月11日
研究发现，AI智能体团队带来的结果几乎不比单个智能体更好。
评估公司Vals AI在“Vibe Code Bench”上测试了GPT-6 Sol和Claude Opus 5.5，分别以单独和团队形式，在两种推理水平下进行：中等和最大推理努力。团队的成本比单个智能体高出1.8倍到5.1倍。
在团队与单个智能体的四次比较中，只有一次显示出统计上显著的改进：GPT-6 Sol在中等推理下，团队得分高出7.3分。在最大推理下，团队设置对Sol和Opus 5.5都没有带来任何真正的优势。结果表明，在大多数情况下，智能体团队的额外成本并不值得，尤其是当模型已经在满算力运行时。
Anthropic在其两项使用Opus 5.5的测试中发现，随着增加更多智能体，质量提升逐渐缩小。更大的团队更快达到给定性能水平，但从10个智能体增加到100个智能体，24小时后得分仅略有提升。在单独的ProgramBench测试中，速度提升伴随着更高的token使用量。
| 使用Opus 5.5的任务 | 1个智能体 | 10个智能体 | 30个智能体 | 100个智能体 |
|---|---|---|---|---|
| 知识库 | 0.53 | 0.70 | 0.71 | 0.74 |
| Lean定理证明 | 0.39 | 0.66 | 0.66 | 0.68 |
Fable 5.1在Lean定理证明任务上，超过十个智能体时显示出更强的质量提升，但在所有测试中得分仍低于Opus 5.5。在知识库任务上，Fable的得分在从30个智能体扩展到100个智能体时实际上略有下降。
更多智能体换来速度，而非更好的输出
OpenAI研究员Noam Brown在Dwarkesh Podcast中确认，多智能体系统主要换来的是速度，而非更好的质量。四个智能体解决任务的速度快了一倍，但成本也翻了一倍。在16个智能体时，这一模式依然成立，但效率略有下降。
他说，这种效果在很大程度上取决于任务。网络研究和数学可以很好地并行化，但写小说则不行。把10,000个智能体扔给一部小说，就像把10,000个人扔给它一样毫无意义。Brown承认，扩展到极大量智能体在很大程度上仍未被探索，因为成本实在太高。
OpenAI开发者Eric Provencher最近正是出于这个原因警告不要使用智能体集群。他认为，它们很可能是在浪费钱，因为智能体之间的协调会崩溃。他称之为协调税。
没有炒作的AI新闻——由人类精选
订阅THE DECODER，享受无广告阅读、每周AI新闻通讯、我们每年六次的独家“AI Radar”前沿报告、完整档案访问以及评论区访问权限。
- 完全访问THE DECODER上的每一篇文章
- 无广告
- 加入评论和社区讨论
- 每周通过邮件发送的AI新闻回顾
- 每年6次：“AI Radar”——深入探讨最重要的AI话题
- 每日AI新闻，始终最新
- 我们完整的十年档案
- 由拥有10年以上AI经验的团队覆盖
来源：The Decoder · the-decoder.com