Новая статья по мульти-агент системам от Stanford.

Больше агентов - значит лучше результаты, верно?

Не так быстро.

Эта работа ставит под сомнение одно из ключевых допущений вокруг хайпа мульти-агент систем, контролируя то, что большинство исследований игнорирует: общий объём вычислений.

В статье сравниваются одно-агентные и мульти-агентные архитектуры LLM на задачах multi-hop reasoning при выравненных бюджетах thinking-токенов для разных моделей.

Вывод однозначный:

Одно-агентные системы более эффективно используют информацию, если количество reasoning-токенов фиксировано. Также авторы выявили существенные артефакты в контроле бюджета через API, которые могут искусственно завышать преимущества мульти-агент подходов.

Почему это важно? Многие заявленные преимущества мульти-агент систем исчезают, если учитывать неравенство вычислительных ресурсов.

Перед тем как строить такую систему, проверьте, справится ли одно-агентная с тем же бюджетом токенов. В статье предлагается фреймворк для принятия такого решения.

Статья: https://arxiv.org/abs/2604.02460