Badanie Cohere: dobrze zorganizowane zespoły agentów przewyższają pojedyncze agenty kodujące za ułamek kosztów
W skrócie: Cohere zbudowało kontrolowane środowisko testowe, aby zbadać, jak powinny być organizowane zespoły agentów kodujących — testując, gdzie deleguje się pracę, jak agent wiodący czeka na pracowników, jakie modele pełnią jakie role, wielkość zespołu i wzorce komunikacji. W teście ProgramBench dobrze zorganizowane zespoły przewyższyły pojedyncze agenty nawet o ~10 punktów procentowych, ale kosztowały 3–7 razy więcej. Kluczowy wniosek: delegowanie pracownikom wyłącznie eksploracji i planowania dało taki sam wynik jak delegowanie wszystkich etapów (implementacji i weryfikacji) za połowę kosztu, a silny agent wiodący z 16 tanimi pracownikami planowania osiągnął wynik 61,8% wobec 63,2% dla zespołu złożonego z samych silnych modeli, obniżając koszt z 510 do 155 dolarów.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „Cohere”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Zespoły agentów przewyższają pojedyncze agenty w ProgramBench nawet o ~10 punktów procentowych, ale kosztują 3–7 razy więcej
- 2Delegowanie wyłącznie planowania/eksploracji daje taki sam wynik jak delegowanie wszystkich etapów (63,6% wobec 63,2%) za połowę kosztu (249 wobec 510 dolarów)
- 3Silny agent wiodący (Sol) z 16 tanimi pracownikami (Luna) osiągnął wynik 61,8% wobec 63,2% dla zespołu z samych silnych modeli, przy 70% niższym koszcie (155 wobec 510 dolarów)
- 4Asynchroniczni agenci wiodący, którzy kontynuują pracę podczas działania pracowników, kończą szybciej przy podobnym wyniku co agenci blokujący, w zależności od stylu promptu
- 5W benchmarku Commit0 (gdzie specyfikacja jest już podana) najskuteczniejszym celem delegowania była implementacja, a nie planowanie
Dlaczego to ważne?
To daje konkretne, poparte benchmarkami wskazówki do projektowania systemów wieloagentowych: ważniejsze jest nie tyle ile agentów dodać, ile gdzie ich użyć — tani pracownicy mogą zbierać informacje, a drogi model zajmuje się syntezą i decyzjami, co drastycznie obniża koszty wnioskowania w automatyzacji agentowej.
Co to oznacza dla agentów AI i contact center?
Jeśli Twoja firma buduje potoki wieloagentowe do automatyzacji, kontroli jakości czy analityki rozmów, to badanie ma bezpośrednie zastosowanie: użycie silnego agenta orkiestrującego z wieloma tanimi agentami roboczymi do etapów eksploracji/zbierania danych (zamiast wszystkich etapów) może znacząco obniżyć koszty obliczeniowe przy zachowaniu jakości zbliżonej do użycia silnych modeli wszędzie — warto to przetestować w każdym agentowym workflow opartym na wywoływaniu narzędzi czy MCP.
🧪 Warte przetestowania
Architektura silny agent wiodący + tani pracownicy oraz wzorzec delegowania ukierunkowany na etapy mogą znacząco obniżyć koszty w potokach automatyzacji lub analityki agentowej bez istotnej utraty jakości, i można to bezpośrednio przetestować w porównaniu z obecnymi konfiguracjami agentów.
Lead-worker agent team architecture with heterogeneous models· Nowa
Źródła
- CohereOficjalneŹródło pierwotneOryginalny artykuł →„Lessons from scaling teams of coding agents: reach the frontier at 30% of the cost Teams of coding agents are already building large-scale software, but how should they be organized to work most effectively and efficiently? Oct 14, 2026 17 min read“14 paź 2026, 19:48
- Data publikacji źródła
- 14 paź 2026, 19:48
- Znalezione przez nasz system
- 14 paź 2026, 17:41
- Podsumowanie wygenerowano
- 14 paź 2026, 17:42
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność