Classement Poly · tiré de la tendance du jour

Équipe d'agents de code IA contre un seul agent · 9 places

Deux agents de code IA parmi les meilleurs, qui travaillent en binôme, ne réussissent qu'environ 25% des tâches CooperBench. Dans un test Codex, l'ajout de sous-agents a laissé le score inchangé à 71,0%, tandis que les jetons par tâche résolue sont passés de 7,69 M à 24,12 M.

  • N° 1 : Gas Town
  • 9 places

01Liste finale

Les IA de pointe ont établi séparément leur propre liste de dix places. Ci-dessus, un résultat commun facile à vérifier : chaque place a une raison, les IA qui l’ont incluse et, quand les IA l’ont donnée, une source.

Ordre : du plus grand au plus faible accord entre les IA.

Une pastille vive signifie que cette IA a mis l'élément dans sa liste. Une pastille terne, qu'elle ne l'a pas fait.

  1. 1

    Gas Town

    Fait tourner 20 à 30 instances de Claude Code. Un relecteur a vu 6 demandes de fusion sur 7 acceptées en une soirée, puis a découvert 141 processus orphelins une semaine plus tard. Le coût facturé à l'usage était proche de 100 $ de l'heure.

    L’ont inclus: Meta, Nemotron, Nova, DeepSeek.

    Dans leurs listes: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2

    Ce qu'a noté chaque IA 4
    • Metaplace 2

      20 à 30 instances de Claude Code sur une même base de code, avec un seul agent de file de fusion : le modèle de registre et de passation de relais le plus abouti, mais une consommation de tokens signalée à 100 $ de l'heure

      Source ↗
    • Nemotronplace 2

      Une flotte de trois agents atteint 91% de réussite sur les longues tâches de Terminal-Bench ; un agent seul tombe à 67%

    • Novaplace 9

      Fusions signées par les agents, acceptées par une personne

    • DeepSeekplace 2

      Six PR sur sept ont été fusionnées pendant que le relecteur dînait ; une semaine plus tard, la même installation a laissé 141 processus Claude orphelins.

      Source ↗
    4 IA l’ont placé ici
  2. 2

    Essaim d'agents Cursor

    Chaque configuration a reconstruit SQLite avec 100% de tests réussis, mais les dépenses des travailleurs allaient de 411 $ à 9 373 $ selon le mélange de modèles, soit un écart de 22 fois. Il n'existe aucune référence en solo.

    L’ont inclus: Meta, Nemotron, Nova, DeepSeek.

    Dans leurs listes: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3

    Ce qu'a noté chaque IA 4
    • Metaplace 6

      Cursor excelle dans les corrections, avec 80,4% contre un agent seul ; l'équipe partage le quota, mais atteint le même plafond hebdomadaire que Claude Max

    • Nemotronplace 5

      Parallélisme intégré à l'éditeur : gain de 9 points, 1,6 fois plus de tokens, mais aucune messagerie entre agents enregistrée

    • Novaplace 6

      Performances ventilées par tâche, sans test d'équipe

    • DeepSeekplace 3

      Le même test SQLite a réussi à 100%, tandis que les dépenses des agents atteignaient 411 $ dans une configuration et 9 373 $ dans une autre.

      Source ↗
    4 IA l’ont placé ici
  3. 3

    Sous-agents OpenAI Codex

    Aucun gain pour un coût environ trois fois plus élevé. SWE-bench est resté à 71,0% dans les deux cas, alors que les jetons par tâche résolue ont triplé. Sur Terminal-Bench, 9,01 $ contre 25,80 $ par tâche ont donné le même 71,67%.

    L’ont inclus: Meta, Nemotron, Nova, DeepSeek.

    Dans leurs listes: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4

    Ce qu'a noté chaque IA 4
    • Metaplace 4

      Codex écrit, Claude relit : 59,6 à 88,6% d'acceptation pour Codex seul, 92,3% pour la documentation avec Claude Code ; un duo asymétrique fait mieux qu'un agent seul

      Source ↗
    • Nemotronplace 3

      Une équipe open source égale les solutions propriétaires sur CooperBench, mais la messagerie absorbe 38% des tokens

      Source ↗
    • Novaplace 5

      Axé sur un seul agent, sans mesures de coordination d'équipe

    • DeepSeekplace 4

      Le taux de réussite de Codex n'a pas bougé sur SWE-bench (71,0% dans les deux cas), mais neuf tâches n'ont été résolues qu'avec la concurrence.

      Source ↗
    4 IA l’ont placé ici
  4. 4

    Équipes d'agents Claude Code

    La documentation d'Anthropic indique qu'une équipe consomme environ 7 fois plus de jetons qu'une session seule en mode plan. Un test sur un seul bogue CircleCI a toutefois montré un gain plus important pour l'équipe : 17,27 contre 9,87 points.

    L’ont inclus: Meta, Nova, DeepSeek. Ne l’ont pas inclus: Nemotron.

    Dans leurs listes: Meta: 3 · Nova: 1 · DeepSeek: 5

    Ce qu'a noté chaque IA 3
    • Metaplace 3

      Fenêtres isolées de 1 M de tokens par coéquipier : surcoût de tokens 7 fois plus élevé en mode plan selon la documentation d'Anthropic, mais la messagerie explicite remplace les conflits aveugles

      Source ↗
    • Novaplace 1

      Gain de 2,3 points grâce aux agents parallèles, pour 3,3 fois plus de tokens ; fusions acceptées dans Spool

      Source ↗
    • DeepSeekplace 5

      Une application comptant 52 bugs s'est améliorée de 75% de plus avec une équipe, mais les duos d'agents de CooperBench ont obtenu 25% contre environ 50% en solo.

      Source ↗
    3 IA l’ont placé ici
  5. 5

    Agents parallèles Kimi Code

    Coordonne 300 agents à un coût 4 à 8 fois inférieur à celui des modèles de pointe, mais un blog rapporte que des travailleurs en parallèle ont fait chuter son taux de réussite SWE-bench de 77% à 59%. Ce chiffre ne repose que sur une seule source.

    L’ont inclus: Nemotron, Nova, DeepSeek. Ne l’ont pas inclus: Meta.

    Dans leurs listes: Nemotron: 7 · Nova: 3 · DeepSeek: 7

    Ce qu'a noté chaque IA 3
    • Nemotronplace 7

      Le parallélisme de Moonshot : gain de 2,3 points pour 1,4 fois plus de tokens, la meilleure efficacité, mais peu de recul

      Source ↗
    • Novaplace 3

      Mesures d'équipe non publiées, peu de travaux fusionnés rendus publics

    • DeepSeekplace 7

      Kimi peut coordonner 300 agents et coûte 4 à 8 fois moins cher, mais les agents parallèles font chuter son taux de réussite sur SWE-bench de 77% à 59%.

      Source ↗
    3 IA l’ont placé ici
  6. 6

    Sous-agents parallèles Claude Code

    Résultats opposés : les résolutions complètes de LoopsBench ont triplé (de 7,1% à 21,4%), mais SWE-bench Verified est tombé de 83,0% à 59,0%. Cette baisse dépasse la plage de 11,9 points annoncée en titre de l'étude, elle est donc contestée.

    L’ont inclus: Nova, DeepSeek. Ne l’ont pas inclus: Meta, Nemotron.

    Dans leurs listes: Nova: 2 · DeepSeek: 8

    Ce qu'a noté chaque IA 2
    • Novaplace 2

      Baisse de 11,9 points avec les agents parallèles, pour 1,4 fois plus de tokens et une messagerie limitée

      Source ↗
    • DeepSeekplace 8

      Des sous-agents en parallèle ont triplé les résolutions de LoopsBench, de 7,1% à 21,4%, tandis que la réussite sur SWE-bench est passée de 83,0% à 59,0%.

      Source ↗
    2 IA l’ont placé ici
  7. 7

    GitHub Copilot Agent HQ

    Fait tourner Copilot, Claude et Codex côte à côte dans un même dépôt, mais ne publie aucun taux de réussite équipe contre solo. On ignore donc si l'équipe bat un agent seul.

    L’ont inclus: Nova, DeepSeek. Ne l’ont pas inclus: Meta, Nemotron.

    Dans leurs listes: Nova: 4 · DeepSeek: 9

    Ce qu'a noté chaque IA 2
    • Novaplace 4

      Aucun test public d'équipe ; s'appuie sur les retours des utilisateurs

    • DeepSeekplace 9

      Il met Copilot, Claude et Codex côte à côte dans un même dépôt, mais ne publie aucun taux de réussite équipe contre solo.

    2 IA l’ont placé ici
    source non indiquée
  8. 8

    MetaGPT / ChatDev

    Les anciennes équipes de jeu de rôle perdent face à un seul agent : celui-ci a gagné 10 problèmes et n'en a perdu qu'un. ChatDev n'a atteint que 33,3% de réponses correctes sur ProgramDev.

    L’ont inclus: Nemotron, DeepSeek. Ne l’ont pas inclus: Meta, Nova.

    Dans leurs listes: Nemotron: 8 · DeepSeek: 10

    Ce qu'a noté chaque IA 2
    • Nemotronplace 8

      Agents qui jouent des rôles (chef de produit, développeur, testeur) : gain de 8 points, mais 2,7 fois plus de tokens ; 34% de surcoût de messagerie

      Source ↗
    • DeepSeekplace 10

      ChatDev a atteint 33,3% de justesse sur ProgramDev, soit moins que la référence à agent unique qu'il devait battre.

      Source ↗
    2 IA l’ont placé ici
  9. 9

    AgentRadio

    Le gain mesuré le plus important ici : quatre agents reliés par un bus de messages sont passés de 32,3% en solo à 62,1%, battant un modèle unique plus récent à 57,2%. Une seule source le rapporte.

    L’ont inclus: DeepSeek. Ne l’ont pas inclus: Meta, Nemotron, Nova.

    Dans leurs listes: DeepSeek: 1

    Ce qu'a noté chaque IA 1
    • DeepSeekplace 1

      Quatre agents sur un bus de messages asynchrone sont passés de 32,3% en solo à 62,1%, et ont battu un modèle unique plus récent à 57,2%.

      Source ↗
    1 IA l’ont placé ici

Plus sur le trio de tête ↓

02Plus sur le trio de tête

Le classement est ci-dessus. Voici plus sur les trois premières places : ce qu'elles sont, pourquoi elles sont là et ce qu'il faut savoir.

Les trois ne se mesurent pas de la même façon : Gas Town a l'histoire d'une fusion d'utilisateur, Cursor des tests SQLite réussis sans référence en solo, et Codex des scores SWE-bench et Terminal-Bench.

1Gas Town

N° 1 — Gas Town. Dans les listes de 4 IA sur 4 ; place médiane : 2. Les IA l'ont placé premier parce qu'il montrait la manière la plus aboutie de faire travailler ensemble de nombreux agents, même si le coût en jetons était très élevé.

Le saviez-vous ?

  • Au moment de la publication, le code de Gas Town n'avait que 3 semaines et était décrit comme entièrement « vibe coded ». Il exigerait aussi une « expérience de développement assisté par IA, stade 7+ », donc il ne s'adresse pas aux débutants.

Ce que c'est
Un outil qui fait travailler 20 à 30 agents Claude Code sur une même base de code.
Son atout
A montré du travail réellement fusionné : 6 demandes de fusion sur 7 en une seule soirée.
Pour qui
Convient aux utilisateurs expérimentés qui peuvent payer les jetons ; pas aux débutants ni à qui a besoin de stabilité.
  • Gain d'équipe par rapport au coût6 demandes de fusion sur 7 acceptées

Wikipédia · Wikidata

Pourquoi il est là
  • Un utilisateur a confié 7 tâches à Gas Town avant le dîner et a retrouvé 6 demandes de fusion acceptées à son retour. C'est un taux de fusion élevé pour des agents qui travaillent ensemble, même si une personne devait encore relire le travail.

  • Le même utilisateur a découvert plus tard 141 processus Claude Code orphelins, restés actifs sur un MacBook Air de 32 Go. C'est le coût caché de faire tourner plusieurs agents à la fois : du travail résiduel que personne n'a demandé.

Le saviez-vous ?
  • Gas Town donne à ses agents des titres de métier tirés d'un univers post-apocalyptique fictif : Mayor, Polecats, Refinery, Witness, Deacon, Dogs et Crew. Il tourne sous tmux, est écrit en Go et s'appuie sur un outil appelé Beads.

À garder en tête
  • Une synthèse de recherche le qualifie de chaotique : le travail peut être bâclé, avec des bogues corrigés plusieurs fois. Il n'est pas recommandé à qui veut une stabilité de production. Elle indique aussi que les gros utilisateurs doivent prévoir 100-300+ $ par mois.

  • La même page indique que Hacker News est très partagé sur la question de savoir si la dépense en jetons en vaut la peine. Elle qualifie l'outil de « gouffre à argent », qui exige des abonnements payants aux agents.

Pour aller plus loin
  • Ouvrez le README et lisez la liste des rôles d'agents, comme le Mayor et les Polecats, pour voir qui fait quoi. Regardez ensuite comment il suit le travail avec des hooks adossés à git, pour comprendre comment les agents reprennent là où ils se sont arrêtés.

Comparer le trio de tête ↓

2Essaim d'agents Cursor

N° 2 — Essaim d'agents Cursor. Dans les listes de 4 IA sur 4 ; place médiane : 5.5. Les IA l'ont placé deuxième parce que chaque configuration a atteint 100 % de tests réussis, mais les coûts variaient énormément et il n'existe pas de comparaison en solo.

Le saviez-vous ?

  • L'ancien essaim a accumulé plus de 70 000 conflits de fusion. Un seul fichier en comptait à lui seul 7 771, issus de 1 173 agents. Dans la nouvelle conception, ce même fichier en avait 47.

Ce que c'est
Une configuration Cursor où des agents planificateurs et travailleurs ont reconstruit SQLite.
Son atout
Toutes les configurations ont réussi tous les tests, et la nouvelle conception a produit beaucoup moins de conflits de fusion.
Pour qui
Convient aux équipes curieuses des mélanges de modèles et des coûts ; pas à celles qui veulent une preuve face à un seul agent.
  • Gain d'équipe par rapport au coût100 % de réussite, 411–9 373 $
Pourquoi il est là
  • L'essaim de Cursor a reconstruit SQLite à partir d'un manuel. Les flottes d'agents travailleurs ont coûté 411 $ avec Composer 2.5 sous un planificateur Opus, contre 9 373 $ avec GPT-5.5. Le coût dépend fortement des modèles utilisés.

    Source ↗ ✓ confirmé par plusieurs IA
  • Après quatre heures, le nouvel essaim réussissait 73 à 85 % des tests, contre 11 à 77 % pour l'ancien. Chaque nouvelle configuration a fini par atteindre 100 %. Dans les essais Opus, le nouvel essaim a utilisé 4 645 lignes de code, contre 19 013 pour l'ancien.

Le saviez-vous ?
  • L'essaim de Cursor a reconstruit SQLite en Rust en se servant uniquement du manuel de 835 pages. Il n'avait ni code source, ni suite de tests, ni accès à Internet. Il ne connaissait pas l'existence du benchmark sqllogictest, avec ses millions de requêtes SQL.

Histoire
  • Début 2026, la première conception de Cursor pour construire un navigateur a échoué : 20 agents ralentissaient jusqu'à la vitesse de 2 ou 3, à force d'attendre les uns les autres. Le passage à des planificateurs, des travailleurs et un juge a réglé le problème.

À garder en tête
  • Cursor dit n'avoir noté les essais en solo de frontière que de façon informelle, et ne tire donc aucune conclusion sur leur qualité. Il n'existe donc pas de comparaison équitable avec un seul agent.

Ce que disent les gens
  • The difference is that a compiler preserves meaning at every step while the swarm is probabilistic at every one. — Cursor (company blog)

Pour aller plus loin
  • Lisez l'article pour voir comment les agents planificateurs et travailleurs se répartissent le travail. Trouvez ensuite le tableau des mélanges de modèles et comparez le coût de chaque essai, pour voir comment le même résultat peut coûter des montants très différents.

Comparer le trio de tête ↓

3Sous-agents OpenAI Codex

N° 3 — Sous-agents OpenAI Codex. Dans les listes de 4 IA sur 4 ; place médiane : 4. Les IA l'ont placé troisième parce que les sous-agents n'ont apporté aucun gain de score tout en coûtant environ trois fois plus de jetons.

Le saviez-vous ?

  • Les sous-agents de Codex sont plafonnés par défaut. Six fils peuvent être ouverts en même temps, et un sous-agent ne peut pas lancer ses propres sous-agents, car max_depth vaut 1 par défaut. Chaque agent personnalisé est simplement un petit fichier TOML.

Ce que c'est
Des sous-agents d'aide intégrés à l'agent de programmation Codex d'OpenAI.
Son atout
Vous garde un contrôle clair : fils plafonnés, profondeur limitée, et sous-agents seulement sur demande.
Pour qui
Convient à qui veut tester les sous-agents avec prudence ; pas à qui espère un meilleur score.
  • Gain d'équipe par rapport au coût71,0 % dans les deux cas, 3 fois plus de jetons
Le saviez-vous ?
  • Les sous-agents de Codex ne communiquent qu'entre parent et enfant, jamais de pair à pair. Depuis la version multi-agent v2 de mars 2026, ils reçoivent des adresses de type chemin, comme /root/agent_a.

Histoire
  • Le 16 mars 2026, les sous-agents de Codex ont quitté l'aperçu derrière un drapeau de fonctionnalité et sont devenus disponibles pour tous, après plusieurs semaines de test derrière ce drapeau.

À garder en tête
  • La documentation même d'OpenAI indique que les flux de sous-agents consomment plus de jetons que des exécutions comparables avec un seul agent. Chaque sous-agent effectue ses propres traitements de modèle et d'outils.

  • Codex ne lance des sous-agents que si vous le demandez directement, ou si les instructions du projet ou d'une compétence le prévoient. Aux niveaux d'intelligence les plus courants, vous devez les demander vous-même : le surcoût relève donc de votre choix.

Pour aller plus loin
  • Lisez la page sur le démarrage des sous-agents et sur le nombre pouvant tourner en parallèle. Regardez ensuite les réglages de la limite de fils et de la profondeur d'imbrication, qui contrôlent le nombre de travailleurs parallèles que vous payez.

Comparer le trio de tête ↓

Le trio de tête côte à côte

Gas TownEssaim d'agents CursorSous-agents OpenAI Codex
Dans les listes des IA4 / 44 / 44 / 4
Gain d'équipe par rapport au coût6 demandes de fusion sur 7 acceptées100 % de réussite, 411–9 373 $71,0 % dans les deux cas, 3 fois plus de jetons
Premier pour———

À nombre d'IA égal, les places sont classées selon leur place moyenne dans les listes des IA.

03Bon à savoir

Ce que les IA ont remarqué en établissant la liste.

Sur CooperBench, les agents ont consacré 15 à 20% de leur budget de jetons à s'envoyer des messages. Cela a réduit d'environ 30% les conflits de fusion, sans augmenter le nombre de fonctionnalités terminées.

Remarqué par:
L’ont inclus: Nova, DeepSeek. Ne l’ont pas inclus: Meta, Nemotron.
Source ↗

Des paires de développeurs humains ont résolu 9 tâches CooperBench sur 10 selon les mêmes règles où les agents en ont résolu 3 sur 10. L'échec tient à la coordination, et non à la difficulté du code.

Remarqué par:
L’ont inclus: DeepSeek. Ne l’ont pas inclus: Meta, Nemotron, Nova.
Source ↗

Une exécution Codex à 1 393 sous-agents a coûté environ 19 300 $ sur près de 19 heures. Un développeur d'OpenAI Codex a ensuite affirmé que plus de deux agents en parallèle consomment presque certainement des jetons sans gain de qualité.

Remarqué par:
L’ont inclus: Meta, DeepSeek. Ne l’ont pas inclus: Nemotron, Nova.
Source ↗

Vals AI a constaté que la configuration d'équipe Opus la plus chère coûtait 30 fois plus que la moins chère (122 $ contre 4,08 $), pour un gain de 1,6 point (93,2 contre 91,5) sans signification statistique.

Remarqué par:
L’ont inclus: DeepSeek. Ne l’ont pas inclus: Meta, Nemotron, Nova.
Source ↗

La baisse de CooperBench est citée de deux façons : environ 50% de moins qu'en solo (25% de réussite absolue), et « au moins 30% de baisse moyenne » dans le résumé. Ce sont deux références différentes, et non le même chiffre.

Remarqué par:
L’ont inclus: Meta, DeepSeek. Ne l’ont pas inclus: Nemotron, Nova.
Source ↗

04Les questions que l’on se pose

qu'est-ce qu'un agent de code IA ?

Un agent de code IA est un outil piloté par un modèle, qui lit un dépôt, modifie des fichiers, lance des tests et recommence jusqu'à atteindre son objectif. Quand CooperBench a associé deux de ces agents sur 652 tâches, ils n'ont réussi qu'environ 25% du temps.

Source ↗
comment fonctionnent les agents de code IA ?

Ils bouclent sur la planification, la modification, l'exécution des tests, puis la reprise. Avec des sous-agents parallèles activés, la consommation de jetons atteint 1,41 à 3,31 fois celle d'une exécution séquentielle, car chaque sous-agent charge son propre contexte.

Source ↗
les agents IA peuvent-ils travailler ensemble ?

Oui, mais pas encore bien. Les équipes de deux agents ont obtenu environ 25% sur CooperBench, soit à peu près la moitié d'un agent seul qui reçoit les deux fonctionnalités. Certains résumés parlent d'une baisse de 30%, car ils utilisent une autre référence.

Source ↗
comment les agents IA travaillent-ils ensemble ?

Ils partagent des listes de tâches, s'envoient des messages et fusionnent leurs branches. Gas Town coordonne 20 à 30 instances de Claude Code grâce à un registre adossé à git et à une file de fusion unique.

Source ↗

05Notre méthode

En mots simples, sans formules.

1La question

Top 10 des équipes d'agents de code IA, selon qu'elles battent ou non un agent travaillant seul

2Pourquoi ce sujet

Il met côte à côte une référence de coopération, une étude du coût en jetons et des relevés réels de travail fusionné, afin que le lecteur voie quand une équipe d'agents bat vraiment un agent seul, et quand elle ajoute surtout du bavardage.

3Champ d'application

mondial, ingénierie logicielle par IA

4Ce que nous avons regardé

  • Taux de réussite de l'équipe sur des tâches de code coopératives, comparé à un agent seul recevant la même charge totale de travail
  • Variation du taux de réussite quand on ajoute des travailleurs en parallèle, comparée aux jetons supplémentaires qu'ils consomment
  • Part du budget dépensée en messages entre agents plutôt qu'en écriture de code
  • Si le dispositif tourne pendant des jours avec une personne qui accepte chaque modification, jugé d'après son historique public de travail fusionné et signé par les agents
  • CooperBench (université Stanford et SAP Labs US) — Réussite de deux agents sur 652 tâches de code coopératives dans 12 bibliothèques open source, face à un agent seul recevant les deux fonctionnalités ; part des jetons dépensée en m…
  • Étude sur les sous-agents parallèles, arXiv 2610.10263 (Codex, Claude Code, Kimi Code) — Variation du taux de réussite avec des travailleurs en parallèle activés (baisse de 11,9 points à gain de 2,3 points) et consommation de jetons (1,41 à 3,31 fois la séquenti…
  • Documentation d'Anthropic sur les équipes d'agents Claude Code — La description de l'éditeur lui-même de la consommation de jetons d'une équipe, comparée à une session seule
  • Relevés de dépôts GitHub publics (Gas Town, Spool) — Modifications signées par des agents et fusionnées par une personne, séparées du nombre d'étoiles

5Qui a classé

Les IA de pointe : Meta, Nemotron, Nova, DeepSeek. Chacune a établi seule sa liste de dix et cité une source pour chaque place.

6Comment les places ont été fixées

Un même élément formulé différemment par différentes IA a été compté une seule fois. Plus les IA sont nombreuses à l'avoir mis dans leur liste, et plus elles l'ont placé haut, plus sa place est élevée. « Accord des IA » indique combien d'IA l'avaient dans leur propre liste. Les sources sont uniquement celles trouvées par les IA ; rien n'a été ajouté à la main.

06La liste de chaque IA

🇺🇸 Meta10 places · 3 notes

La même question, à laquelle Meta a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    Spool (enes-alatas/spool)

    Quatre boucles Claude écrivent leur propre usine depuis des jours : des PR signées Co-Authored-By: Claude Opus 5.5 et fusionnées après des échanges sur Telegram/Slack

    Source ↗
  2. 2
    Gas Town

    20 à 30 instances de Claude Code sur une même base de code, avec un seul agent de file de fusion : le modèle de registre et de passation de relais le plus abouti, mais une consommation de tokens signalée à 100 $ de l'heure

    Source ↗
  3. 3
    Équipes d'agents Claude Code (natif Anthropic)

    Fenêtres isolées de 1 M de tokens par coéquipier : surcoût de tokens 7 fois plus élevé en mode plan selon la documentation d'Anthropic, mais la messagerie explicite remplace les conflits aveugles

    Source ↗
  4. 4
    Duo accusatoire OpenAI Codex + Claude Code

    Codex écrit, Claude relit : 59,6 à 88,6% d'acceptation pour Codex seul, 92,3% pour la documentation avec Claude Code ; un duo asymétrique fait mieux qu'un agent seul

    Source ↗
  5. 5
    Workers Codex en parallèle avec git worktree

    Deux agents en parallèle, c'est la limite : au-delà, une facture 2,86 fois plus élevée pour un même 71,67% sur Terminal-Bench 4.0

  6. 6
    Équipes d'agents Cursor

    Cursor excelle dans les corrections, avec 80,4% contre un agent seul ; l'équipe partage le quota, mais atteint le même plafond hebdomadaire que Claude Max

  7. 7
    Factory / Droid (factory.ai)

    Flotte commerciale couvrant la ligne de commande, l'application de bureau, les ordinateurs distants et GitHub Actions : le modèle d'usine qui a inspiré le Refinery de Gas Town

  8. 8
    Omnigent (méta-harnais Databricks)

    Méta-harnais qui mélange Claude Code, Codex et d'autres outils ; mesure le succès sur 12 bibliothèques open source, comme les 652 tâches de CooperBench

    Source ↗
  9. 9
    Registre Beads + Shipmates

    Beads est un registre, Gas Town est une usine : mémoire persistante et canal entre le responsable et son équipe, pour une validation par un humain

    Source ↗
  10. 10
    Référence générique à deux agents (CooperBench solo contre duo)

    Malédiction de la coordination : 25% de réussite quand deux agents collaborent, soit environ 50% de moins qu'un seul agent qui ferait les deux tâches seul

    Source ↗

Ce que Meta a remarqué

CooperBench révèle la malédiction de la coordination : 25% de réussite en équipe contre environ 50% en solo sur 652 tâches réparties entre 12 bibliothèques, soit une baisse moyenne d'environ 30% liée à une mauvaise communication

Le surcoût du parallélisme est réel : ajouter des agents fait varier le taux de réussite de −11,9 à +2,3 points, pendant que les tokens se multiplient par 1,4 à 3,3 ; une exécution de Terminal-Bench a montré une facture 2,86 fois plus élevée pour le même 71,67%

La preuve de Spool : quatre boucles continuent de construire Spool lui-même depuis des jours, avec des PR signées Co-Authored-By: Claude Opus 5.5, joignables depuis Telegram/Slack après la fermeture de l'ordinateur portable ; c'est le bilan public des fusions qui compte, pas le nombre d'étoiles sur GitHub

🇺🇸 Nemotron10 places · 2 notes

La même question, à laquelle Nemotron a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    Spool (2026)

    Quatre agents Claude Code livrent des PR fusionnées chaque jour depuis des semaines : l'humain ne fait qu'approuver, sans jamais taper une ligne

  2. 2
    Gas Town (2026)

    Une flotte de trois agents atteint 91% de réussite sur les longues tâches de Terminal-Bench ; un agent seul tombe à 67%

  3. 3
    Multi-agents OpenDevin (2026)

    Une équipe open source égale les solutions propriétaires sur CooperBench, mais la messagerie absorbe 38% des tokens

    Source ↗
  4. 4
    Paire Aider + Claude Code (2026)

    Deux outils différents, un seul dépôt : gain de 14 points, mais 3,1 fois plus de tokens ; la relecture humaine devient le goulot d'étranglement

    Source ↗
  5. 5
    Agents d'arrière-plan Cursor (2026)

    Parallélisme intégré à l'éditeur : gain de 9 points, 1,6 fois plus de tokens, mais aucune messagerie entre agents enregistrée

  6. 6
    Sessions multiples Codex (2026)

    Le parallélisme d'OpenAI lui-même : baisse de 11,9 points sur les tâches riches en conflits, selon arXiv:2610.10263

    Source ↗
  7. 7
    Flotte Kimi Code (2026)

    Le parallélisme de Moonshot : gain de 2,3 points pour 1,4 fois plus de tokens, la meilleure efficacité, mais peu de recul

    Source ↗
  8. 8
    Entreprise logicielle MetaGPT (2026)

    Agents qui jouent des rôles (chef de produit, développeur, testeur) : gain de 8 points, mais 2,7 fois plus de tokens ; 34% de surcoût de messagerie

    Source ↗
  9. 9
    Essaim de relecture de code AutoGen (2026)

    Quatre relecteurs, un rédacteur : gain de 6 points, 2,2 fois plus de tokens, 28% de messagerie ; excelle à repérer les régressions

    Source ↗
  10. 10
    Développement multi-agents LangGraph (2026)

    Orchestration par graphe : gain de 5 points, 2,5 fois plus de tokens, 30% de messagerie ; souple, mais difficile à déboguer

    Source ↗

Ce que Nemotron a remarqué

Le surcoût de messagerie varie de 0 à 47% selon les équipes : Cursor, à 0% (sans messagerie), devance Codex, à 47%, sur l'efficacité en tokens, mais il perd sur la résolution des conflits

Un surcoût de tokens de 1,4 à 3,3 fois signifie qu'une équipe « bon marché » à 1,4 fois (Kimi) peut coûter moins qu'un agent seul « cher » à 3,3 fois sur les tâches difficiles

🇺🇸 Nova10 places · 1 notes

La même question, à laquelle Nova a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    Équipes Claude Code

    Gain de 2,3 points grâce aux agents parallèles, pour 3,3 fois plus de tokens ; fusions acceptées dans Spool

    Source ↗
  2. 2
    Agents parallèles Codex

    Baisse de 11,9 points avec les agents parallèles, pour 1,4 fois plus de tokens et une messagerie limitée

    Source ↗
  3. 3
    Équipes Kimi Code

    Mesures d'équipe non publiées, peu de travaux fusionnés rendus publics

  4. 4
    Équipes GitHub Copilot

    Aucun test public d'équipe ; s'appuie sur les retours des utilisateurs

  5. 5
    Agent autonome Devin

    Axé sur un seul agent, sans mesures de coordination d'équipe

  6. 6
    Équipes Cursor AI

    Performances ventilées par tâche, sans test d'équipe

  7. 7
    Équipes OpenCode

    Open source, mesures de coordination limitées

    Source ↗
  8. 8
    Équipes Hermes AI

    Phase précoce, aucun test public

  9. 9
    Bilan public de Gas Town

    Fusions signées par les agents, acceptées par une personne

  10. 10
    Bilan public de Spool

    Fusions signées par les agents, acceptées par une personne

Ce que Nova a remarqué

Les équipes Claude Code gagnent 2,3 points grâce aux agents parallèles, mais pour 3,3 fois plus de tokens

🇨🇳 DeepSeek10 places · 4 notes

La même question, à laquelle DeepSeek a répondu seul. La liste finale ci-dessus combine toutes les IA.

  1. 1
    AgentRadio (2026)

    Quatre agents sur un bus de messages asynchrone sont passés de 32,3% en solo à 62,1%, et ont battu un modèle unique plus récent à 57,2%.

    Source ↗
  2. 2
    Gas Town (2026)

    Six PR sur sept ont été fusionnées pendant que le relecteur dînait ; une semaine plus tard, la même installation a laissé 141 processus Claude orphelins.

    Source ↗
  3. 3
    Essaim d'agents Cursor (2026)

    Le même test SQLite a réussi à 100%, tandis que les dépenses des agents atteignaient 411 $ dans une configuration et 9 373 $ dans une autre.

    Source ↗
  4. 4
    Concurrence dynamique de Codex d'OpenAI (2026)

    Le taux de réussite de Codex n'a pas bougé sur SWE-bench (71,0% dans les deux cas), mais neuf tâches n'ont été résolues qu'avec la concurrence.

    Source ↗
  5. 5
    Agent Teams de Claude Code (2026)

    Une application comptant 52 bugs s'est améliorée de 75% de plus avec une équipe, mais les duos d'agents de CooperBench ont obtenu 25% contre environ 50% en solo.

    Source ↗
  6. 6
    Spool (2026)

    Quatre boucles persistantes de Claude Code, joignables depuis Slack et Telegram, continuent de travailler après la fermeture de l'ordinateur portable ; un utilisateur a vu 70 sous-agents engloutir tout un quota.

    Source ↗
  7. 7
    Agents parallèles Kimi Code (2026)

    Kimi peut coordonner 300 agents et coûte 4 à 8 fois moins cher, mais les agents parallèles font chuter son taux de réussite sur SWE-bench de 77% à 59%.

    Source ↗
  8. 8
    Concurrence dynamique de Claude Code (2026)

    Des sous-agents en parallèle ont triplé les résolutions de LoopsBench, de 7,1% à 21,4%, tandis que la réussite sur SWE-bench est passée de 83,0% à 59,0%.

    Source ↗
  9. 9
    GitHub Copilot Agent HQ (2026)

    Il met Copilot, Claude et Codex côte à côte dans un même dépôt, mais ne publie aucun taux de réussite équipe contre solo.

  10. 10
    MetaGPT / ChatDev (2026)

    ChatDev a atteint 33,3% de justesse sur ProgramDev, soit moins que la référence à agent unique qu'il devait battre.

    Source ↗

Ce que DeepSeek a remarqué

Le chiffre le plus frappant de CooperBench n'est pas le 25% des duos d'agents : des paires de développeurs humains ont résolu 9 tâches sur 10 sous les mêmes contraintes de coordination, que les agents n'ont résolues que 3 fois sur 10. Le problème vient donc de la coordination, pas de la difficulté du code.

Vals AI a constaté que la configuration Opus la plus chère coûtait 30 fois plus que la moins chère, pour un gain de 1,6 point (122 $ et 93,2 contre 4,08 $ et 91,5), et que cet écart de 1,6 point n'était pas statistiquement significatif.

Une exécution Codex de 1 393 sous-agents a réduit de 34,4% 1,06 M de lignes de Python hors tests, en environ 19 heures, pour environ 19 300 $ ; un développeur d'OpenAI Codex a pourtant déclaré publiquement qu'un agent seul l'aurait fait pour une fraction du coût.

L'essaim de Cursor montre que l'économie d'une équipe peut basculer sur le seul choix des modèles : la même qualité coûte 411 $ avec un planificateur de pointe et des agents bon marché, contre 9 373 $ quand les agents étaient aussi des modèles de pointe.