研究发现，AI 智能体团队消耗大量 token 却几乎带不来可衡量的质量提升
AI agent teams waste massive tokens for barely measurable quality gains, research finds
AI 导读
评测公司 Vals AI 在 Vibe Code Bench 上对比 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与多智能体团队，发现团队成本是单智能体的 1.8 到 5.1 倍，四次比较中只有一次出现统计显著提升。这次提升出现在 GPT-6 Sol 的中等推理强度下，团队得分高 7.3 分；在最高推理强度下，团队设置对两个模型都没有实际优势。Anthropic 用 Opus 5.5 做的自有测试也显示，增加智能体后质量提升缩小，从 10 个增至 100 个智能体，24 小时后得分仅略微上升。