Компании, внедряющие многоагентные ИИ-архитектуры, сталкиваются с прямыми финансовыми потерями, которые редко подкрепляются соразмерным ростом производительности. Недавние тесты оценочной компании Vals AI проверили модели GPT-6 Sol и Claude Opus 5.5 на «Vibe Code Bench» — как поодиночке, так и в составе команд, на среднем и максимальном уровнях логических затрат [1]. Согласно выводам, команды ИИ-агентов обходятся в 1,8–5,1 раза дороже одиночных агентов [2]. Столь резкий скачок операционных расходов напрямую обусловлен расходом токенов, необходимых для поддержания связи между несколькими моделями.
Из четырех вариантов сравнения команд и одиночных агентов, протестированных Vals AI, лишь один продемонстрировал статистически значимое улучшение: GPT-6 Sol при среднем уровне логических затрат, где команда набрала на 7,3 балла больше [3, 4]. При максимальной нагрузке многоагентная схема не дала ни GPT-6 Sol, ни Claude Opus 5.5 ощутимых преимуществ. Когда модели уже работают на пределе вычислительных мощностей, добавление уровней координации агентов просто сжигает бюджет без заметного роста качества.
Команды обходятся в 1,8–5,1 раза дороже одиночных агентов.
С аналогичной проблемой снижения отдачи столкнулась Anthropic при тестировании собственных моделей Opus 5.5 [5]. В ходе двух независимых тестов в компании зафиксировали замедление роста качества по мере добавления новых агентов. Хотя крупные команды быстрее достигали заданного уровня производительности, масштабирование с десяти до ста агентов дало лишь символическое улучшение результатов спустя 24 часа. Параллельные тесты ProgramBench подтвердили, что прирост скорости неизменно сопровождается кратным ростом потребления токенов.
Пределы распараллеливания
Архитектурная реальность многоагентных систем показывает, что наращивание вычислительных мощностей для сложных рабочих процессов упирается в жесткий тупик, заданный самой природой задачи. Исследователь OpenAI Ноам Браун подтвердил в подкасте Dwarkesh, что многоагентные системы покупают главным образом скорость, а не более высокое качество [8]. Браун отметил, что четыре агента решают задачи в два раза быстрее, но обходятся вдвое дороже [9]. При задействовании 16 агентов эта закономерность сохраняется при некотором снижении эффективности.
Базовая структура задачи определяет, приносит ли вообще какую-либо пользу масштабирование агентов. Веб-исследования и математические расчеты эффективно распараллеливаются, в то время как написание художественного романа — нет [8]. Браун указал, что бросать 10 000 агентов на написание книги столь же бессмысленно, как и привлекать 10 000 людей, отметив при этом, что масштабирование до огромного числа агентов остается малоизученным из-за непомерных затрат [8]. Тесты Fable 5.1 на задачу доказательства теорем в системе Lean показали более заметный рост качества при задействовании свыше десяти агентов, однако модель все равно набрала меньше баллов, чем Claude Opus 5.5 во всех тестах. В задаче с базой знаний результат Fable даже немного снизился при масштабировании с 30 до 100 агентов [7].
Сбой координации
Операционные трения внутри роев агентов порождают структурные издержки, которые инженерные команды систематически недооценивают. Разработчик из OpenAI Эрик Провеншер недавно предостерег от использования роев агентов именно по этой причине, заявив, что координация между агентами нарушается и превращает их в пустую трату денег из-за так называемого налога на координацию [10].
Внедрение команд агентов должно было автоматизировать сложный интеллектуальный труд и обеспечить кумулятивную отдачу от инфраструктуры ПО. На деле оно приносит линейное умножение затрат при микроскопическом приросте скорости, тогда как показатели качества полностью стагнируют.
Нам обещали автономную рабочую силу, масштабирующую интеллект линейно в зависимости от расходов. В реальности мы получили систему, где четыре агента удваивают счета за электричество и вычисления, лишь незначительно ускоряя часы работы.