研究发现AI智能体团队耗费大量token但质量提升微弱

Vals AI在Vibe Code Bench上测试发现，GPT-6 Sol与Claude Opus 5.5的AI智能体团队相比单智能体成本高出1.8至5.1倍，但质量提升大多不显著。在最高推理设置下团队未带来实质优势，仅GPT-6 Sol中等推理时团队得分高7.3分。Anthropic与OpenAI研究者也证实多智能体主要提升速度而非质量。