研究：多智能体团队成本高 1.8-5.1 倍，质量提升微乎其微

2026 年 10 月 11 日

研究发现，AI 智能体团队交付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，既有单独运行也有团队协作，并设置了两个推理级别：中等推理和最大推理投入。团队的成本比单个智能体高出 1.8 倍到 5.1 倍。

在四次比较中，团队与单个智能体之间只有一次显示出统计上显著的提升：GPT-6 Sol 在中等推理下，团队得分高出 7.3 分。在最大推理下，团队设置既没有给 Sol 也没有给 Opus 5.5 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 发现，随着其增加更多智能体，质量提升在其自身两项使用 Opus 5.5 的测试中缩小了。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 用量。

Fable 5.1 在超过十个智能体的 Lean 定理证明任务上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。

更多智能体换来的是速度，而不是更好的输出

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，而不是更好的质量。四个智能体解决任务的速度快了一倍，但成本也高了一倍。在 16 个智能体时，这一模式依然成立，但效率略有下降。

效果在很大程度上取决于任务。他说，网络研究和数学可以很好地并行化，但写小说不行。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，因为成本实在太高了。

OpenAI 开发者 Eric Provencher 最近警告不要使用智能体集群正是出于这个原因。他主张，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。