Эпоха бездумного масштабирования агентных систем, когда для роста продуктивности достаточно было просто «подбросить дров» в виде новых инстансов Claude Opus 4.8, официально уперлась в математическую стену. Независимый исследователь Ченг Цянь представил результаты пре-регистрированного эксперимента, которые доказывают: эффективность мультиагентных систем (MAS) диктуется жесткими законами теории информации, а не маркетинговыми обещаниями линейного роста.
Эксперимент, обошедшийся в скромные $138,76 за API-токены, показал, что в условиях «малых агентных экономик» рост капитала системы строго ограничен объемом доступной информации об окружающей среде. Для CTO и архитекторов это звучит как приговор: добавление новых дорогостоящих инстансов Claude 4.8 в рабочий процесс дает нулевую предельную полезность, как только информационная емкость системы достигает насыщения. Мы в редакции считаем, что это отрезвляющий душ для тех, кто планировал заменить отделы разработки «роем» из тысячи ботов.
Информационный лимит накопления капитала
Исследование Цяня подтверждает, что в связанных паритетных экономиках — где прибыль одного агента неизбежно становится убытком другого — потолок совместного роста определяется исключительно энтропией мира, или H(X). Данные неумолимы: в 80% случаев наиболее информированный агент поглощал практически весь пул ресурсов. Это создает динамику «победитель получает всё», где маржинальный интеллект не распределяет ценность, а централизует её. Эксперимент зафиксировал количественный закон: разница в темпах роста между агентами в точности равна разнице в их владении информацией с погрешностью всего в 46 миллинат при допустимом пороге в 50.
Потолок совместного роста системы жестко зафиксирован; наиболее информированный агент неизбежно поглощает весь пул ресурсов.
В высококонкурентных средах даже минимальное превосходство в версии модели или качестве фида данных позволяет одному агенту доминировать над ресурсами, делая остальную часть роя бесполезным балластом. Для R&D-департаментов это означает принудительный переход от количества агентов к качеству данных. Если информационные каналы независимы, ценность коалиции демонстрирует убывающую доходность. Ценность становится супермодулярной (минимум на 0,62 ната) только тогда, когда агенты способны на XOR-синергию — выработку совместных решений, которые не под силу одиночкам. Проще говоря: если ваши агенты не обмениваются уникальными, непересекающимися инсайтами, вы просто платите за избыточные вычисления.
Крах плавного управления и аттракторная динамика
Самым болезненным ударом по корпоративному управлению стал провал теста на остаточное рассогласование (residual-scaling). Традиционные модели среднего поля (mean-field models) исходят из того, что поведением популяции можно плавно рулить через изменение градиентов вознаграждения. Однако Claude 4.8 на это не купилась. В 72 прогонах дисперсия целей схлопнулась до нуля: реакция популяции на рычаги контроля напоминала ступенчатую функцию, а не плавную кривую. Вблизи границы доминирования система становилась бистабильной — результат зависел от начальных условий (seed), а не от силы управленческого воздействия.
Ни одна из протестированных популяций LLM не демонстрирует режима мягкой дисперсии, который предполагают классические модели управления.
Это доказывает, что популяции продвинутых моделей ведут себя как дискретные аттракторные системы. Они почти детерминированы локально, но критически чувствительны к стартовым параметрам в глобальном масштабе. Для технического директора это означает, что попытки «подтолкнуть» автономный рой к более высокой продуктивности через микро-изменения стимулов бесполезны до тех пор, пока система внезапно не совершит катастрофический скачок в совершенно иное состояние. Методология Цяня — с фиксацией правил принятия решений в git-цепочке до запуска — задает новый стандарт аудита: поведение ИИ теперь можно воспроизводить и проверять с нулевыми затратами на повторный API-ран благодаря кэшированию.
Бизнесу пора переходить от «агентного энтузиазма» к жесткому расчету TCO. Мультиагентные системы имеют структурный стеклянный потолок: если задача достигла своего энтропийного предела, любые дополнительные траты на API Claude 4.8 становятся не инвестицией в ROI, а добровольным пожертвованием в пользу Anthropic. Масштабировать нужно не количество агентов, а информационную емкость самой задачи.