评测显示多智能体团队成本高但质量提升有限

2026年10月11日，The Decoder 报道，研究机构 Vals AI 在 Vibe Code Bench 上测试了 GPT-6 Sol 和 Claude Opus 5.5 两款模型在单智能体与多智能体团队模式下的表现。结果显示，多智能体团队模式的成本为单智能体的 1.8 倍至 5.1 倍，消耗大量 token，但质量提升微乎其微：在四组对比中，仅 GPT-6 Sol 在 medium 推理档位下比单智能体提高了 7.3 分，且该提升具有统计显著性；其余组合均未显示出显著的质量改善。该评测表明，用多个 AI 智能体组队协作的方式，在当前模型水平下，性价比存疑。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。