Több MI-ügynök, akár ötszörös költség: miért marad el a minőségi ugrás?

• Az MI-ügynökökből álló csapatok a vizsgált esetek többségében alig teljesítettek jobban az egyetlen ügynöknél, miközben 1,8–5,1-szeres költséget jelentettek.[^1]
• A négy összehasonlításból csak egy hozott statisztikailag kimutatható javulást: a GPT-6 Sol közepes következtetési szinten 7,3 ponttal ért el többet csapatban.[^1]
• A több ügynök többnyire a feladatok gyorsabb megoldását segítheti, de nem garantál magasabb minőséget.[^1]

Az MI-ügynökökből összeállított nagyobb csapatok látványos skálázása jelenleg nem feltétlenül jelent arányos teljesítményjavulást. A Vals AI elemzése szerint a többletköltség gyakran meghaladja a mérhető hasznot, különösen akkor, ha az alapmodell már eleve maximális következtetési erőforrással dolgozik.[^1]

MI-ügynökcsapatok: drágább működés, korlátozott többleteredmény

A Vals AI a GPT-6 Sol és a Claude Opus 5.5 modelleket vizsgálta a Vibe Code Bench teszten. Mindkét modellt önálló ügynökként, illetve több ügynökből álló csapatként futtatták, közepes és maximális következtetési beállítás mellett.[^1][^2]

A csapatos felállások költsége az egyetlen ügynökéhez képest 1,8–5,1-szeres volt. A négy tesztből egyetlen esetben mutatkozott statisztikailag igazolható előny: a GPT-6 Sol közepes következtetési szinten 7,3 ponttal jobb eredményt ért el csapatban. Maximális következtetési szinten sem a Sol, sem az Opus 5.5 esetében nem jelent meg érdemi előny.[^1][^2]

A koordinációs költség elviheti a hasznot

Eric Provencher, az OpenAI fejlesztője arra figyelmeztetett, hogy az ügynökrajok alkalmazása nagy valószínűséggel pénzpazarlás lehet, ha az ügynökök közötti koordináció nem működik hatékonyan. Ezt a jelenséget koordinációs adónak nevezte.[^1]

„Négy ügynök kétszer olyan gyorsan oldhat meg egy feladatot, de a költség is megduplázódik.”[^1]

A megfigyelés szerint a párhuzamosításnak akkor lehet értelme, ha a munka jól felosztható, például webes kutatásnál vagy matematikai feladatoknál. Az egységes alkotói folyamatot igénylő feladatok, például egy regény megírása, jóval kevésbé alkalmasak erre a megközelítésre.[^1]

Az ügynökök száma gyorsít, de nem mindig javítja a minőséget

Anthropic saját, Opus 5.5-tel végzett kísérletei is csökkenő hozadékot jeleztek. A nagyobb csapatok hamarabb értek el egy adott teljesítményszintet, de tízről száz ügynökre növelve a létszámot a 24 óra után mért pontszámok már csak kis mértékben emelkedtek.[^1]

• A tudásbázis-feladatban az Opus 5.5 pontszáma 0,53-ról 0,70-re nőtt egy ügynökről tízre váltva, majd száz ügynöknél 0,74 volt.[^1]
• A Lean-tételbizonyítási feladatban az eredmény egy ügynöknél 0,39, tíz ügynöknél 0,66, száz ügynöknél pedig 0,68 volt.[^1]
• A ProgramBench teszteken a gyorsulás magasabb tokenfelhasználással járt együtt.[^1]

A Fable 5.1 a Lean-tételbizonyításnál tíz ügynök fölött erősebb minőségi javulást mutatott, összességében azonban a tesztekben az Opus 5.5 szintje alatt maradt. A tudásbázis-feladatban a pontszáma harmincról száz ügynökre növelve kissé vissza is esett.[^1]

Összefoglaló: a feladat típusa dönt az MI-ügynökök értékéről

Az eddigi eredmények alapján az ügynökök számának növelése elsősorban időelőnyt adhat, nem pedig automatikus minőségi ugrást. Az üzemeltetési költséget, a tokenfelhasználást és a koordináció összetettségét ezért a feladat párhuzamosíthatóságával együtt érdemes mérlegelni. A nagyon nagy, több ezer ügynökből álló rendszerek vizsgálata egyelőre korlátozott, részben a kísérletek magas költsége miatt.[^1]

Forrás:

[^1]: Matthias Bastian (2026. október 11.). „Több ügynök, kevés többletérték: az MI-ügynökrajok többe kerülnek, és alig hoznak jobb eredményt”. The Decoder. Közzétéve 2026. 10. 11..

[^2]: Vals AI (2026). „Multi-Agent Vibe Code Bench”. Vals AI. Közzétéve 2026. 10. 11..