Популярный подход с использованием нескольких ИИ-агентов не всегда эффективнее, чем работа одной модели. При равных вычислительных ресурсах одиночный агент чаще всего показывает такие же или лучшие результаты.
Популярный подход с использованием нескольких ИИ-агентов не всегда эффективнее, чем работа одной модели. При равных вычислительных ресурсах одиночный агент чаще всего показывает такие же или лучшие результаты.
Многоагентные системы — один из ключевых трендов в ИИ: несколько моделей делят задачу, обмениваются промежуточными результатами и проверяют друг друга. Предполагается, что такой «коллективный интеллект» лучше справляется со сложными задачами.
Однако, как выяснили ученые Стэнфордского университета, преимущество таких систем во многом объясняется просто большим объемом вычислений.
В рамках эксперимента исследователи сравнили работу одного агента и нескольких агентных команд на задачах с многошаговым рассуждением. Были протестированы модели из трех семейств — Qwen3, DeepSeek и Gemini 2.5, а тестирование проводилось на бенчмарках FRAMES и MuSiQue, включающих сложные вопросы с несколькими логическими шагами.
Результат оказался однозначным: при одинаковом вычислительном бюджете одиночный агент почти всегда либо превосходил команды, либо показывал сопоставимые результаты, при этом требуя меньше ресурсов.
Одно из объяснений — потери информации при передаче данных между агентами. Каждый этап может искажать или упрощать промежуточные выводы. В отличие от этого, одиночная модель сохраняет непрерывный процесс рассуждения.
При этом исследование выявило и слабые стороны такого подхода. Одиночные модели хуже справляются с длинным контекстом: по мере роста объема информации они начинают терять важные детали — эффект, известный как «размывание контекста».
Именно в таких условиях многоагентные системы могут быть эффективнее. В экспериментах с искаженными данными команды лучше фильтровали информацию и чаще находили правильные решения. Особенно заметно это преимущество проявлялось при использовании более слабых моделей.
В целом авторы отмечают, что универсального решения нет: одиночные агенты эффективнее при ограниченных ресурсах и четких задачах, тогда как команды ИИ могут давать преимущество в сложных и «шумных» сценариях. Исследование при этом ограничено текстовыми задачами и не учитывает работу с изображениями или внешними инструментами.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.