Poly रेटिंग · आज के ट्रेंड से

AI कोडिंग एजेंट टीम बनाम एक एजेंट: 2026 के शीर्ष 9 · 9 स्थान

दो प्रमुख AI कोडिंग एजेंट जोड़ी में काम करते हुए CooperBench के केवल लगभग 25% कार्य पूरे कर पाते हैं। एक Codex परीक्षण में सब-एजेंट जोड़ने से स्कोर 71.0% पर ही रहा, जबकि हल किए गए हर कार्य पर टोकन 7.69M से बढ़कर 24.12M हो गए।

नंबर 1: Gas Town
9 स्थान
18 अक्टूबर 2026, 16:05 EDT तक

01अंतिम सूची

अग्रणी AI ने अलग-अलग अपनी दस जगहों की सूची बनाई। ऊपर एक संयुक्त नतीजा है जिसे जाँचना आसान है: हर जगह के साथ कारण, उसे शामिल करने वाले AI और, जहाँ AI ने दिया, स्रोत है।

क्रम: सबसे अधिक AI सहमति से सबसे कम तक।

चमकीला बैज: इस AI ने प्रविष्टि अपनी सूची में रखी। फीका बैज: नहीं रखी।

1
Gas Town
20–30 Claude Code इंस्टेंस चलाता है। एक समीक्षक ने एक शाम में 7 में से 6 कोड-बदलाव मर्ज होते देखे, फिर एक हफ़्ते बाद 141 बिना काम की छूटी प्रोसेस मिलीं। उपयोग के हिसाब से लगी लागत लगभग $100 प्रति घंटा बताई गई।
शामिल किया: Meta, Nemotron, Nova, DeepSeek.
उनकी सूचियों में: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2
हर AI ने क्या नोट किया 4
- Metaस्थान 2
  एक ही कोडबेस पर 20-30 Claude Code इंस्टेंस और एक मर्ज-क्यू एजेंट। लेजर/हैंडऑफ़ मॉडल सबसे विकसित है, पर रिपोर्ट के अनुसार टोकन में $100 प्रति घंटा खर्च होता है
  स्रोत ↗
- Nemotronस्थान 2
  तीन एजेंट का बेड़ा Terminal-Bench के लंबे कार्यों पर 91% पास दर रखता है। अकेला एजेंट 67% पर गिरता है
- Novaस्थान 9
  मर्ज हुए बदलाव एजेंटों के दस्तखत वाले हैं, इंसान ने स्वीकार किए
- DeepSeekस्थान 2
  सात में से छह PR तब मर्ज हुए जब समीक्षक डिनर पर था। एक हफ्ते बाद उसी सेटअप ने 141 अनाथ Claude प्रोसेस छोड़ दिए।
  स्रोत ↗
4 AI ने इसे यहाँ रखा
स्रोत ↗
2
Cursor agent swarm
हर कॉन्फ़िगरेशन ने SQLite को 100% टेस्ट पास होने तक दोबारा बनाया, लेकिन मॉडलों के मिश्रण के अनुसार वर्करों पर खर्च $411 से $9,373 तक रहा, यानी 22 गुना का अंतर। अकेले एजेंट का कोई तुलना-आधार नहीं है।
शामिल किया: Meta, Nemotron, Nova, DeepSeek.
उनकी सूचियों में: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3
हर AI ने क्या नोट किया 4
- Metaस्थान 6
  फिक्स वाले कामों में Cursor अकेले से 80.4% पर आगे है। टीम फैनआउट कोटा बाँटता है, पर Claude Max जैसी वही साप्ताहिक सीमा झेलता है
- Nemotronस्थान 5
  IDE में बनी समानांतरता: 9 प्रतिशत अंक का फायदा, 1.6× टोकन, पर एजेंटों के बीच संदेश-आदान-प्रदान दर्ज नहीं है
- Novaस्थान 6
  कार्य के हिसाब से बँटा प्रदर्शन, टीम के बेंचमार्क नहीं
- DeepSeekस्थान 3
  वही SQLite टेस्ट 100% पास हुआ, जबकि एक कॉन्फ़िगरेशन में वर्करों का खर्च $411 रहा और दूसरे में $9,373।
  स्रोत ↗
4 AI ने इसे यहाँ रखा
स्रोत ↗
3
ओपनएआई Codex सब-एजेंट
लगभग तीन गुना लागत पर कोई लाभ नहीं। दोनों तरीकों से SWE-bench 71.0% पर रहा, जबकि हल किए गए हर कार्य पर टोकन तीन गुना हो गए। Terminal-Bench पर प्रति कार्य $9.01 बनाम $25.80 में वही 71.67% मिला।
शामिल किया: Meta, Nemotron, Nova, DeepSeek.
उनकी सूचियों में: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4
हर AI ने क्या नोट किया 4
- Metaस्थान 4
  Codex लिखता है, Claude समीक्षा करता है। अकेले Codex के लिए 59.6-88.6% स्वीकृति, Claude Code के लिए दस्तावेज़ों में 92.3%। असमान जोड़ी अकेले काम से बेहतर है
  स्रोत ↗
- Nemotronस्थान 3
  ओपन-सोर्स टीम CooperBench पर मालिकाना टीम के बराबर है, पर संदेश-व्यवस्था 38% टोकन खा जाती है
  स्रोत ↗
- Novaस्थान 5
  सिर्फ़ एक एजेंट पर फोकस, टीम समन्वय के मापदंड नहीं
- DeepSeekस्थान 4
  SWE-bench पर Codex की पास दर नहीं बदली, दोनों तरह से 71.0%। पर नौ कार्य सिर्फ़ समानांतरता से हल हुए।
  स्रोत ↗
4 AI ने इसे यहाँ रखा
स्रोत ↗
4
Claude Code agent teams
एंथ्रोपिक के दस्तावेज़ कहते हैं कि प्लान मोड में एक टीम एक सेशन के मुकाबले लगभग 7 गुना टोकन खर्च करती है। एक CircleCI बग-परीक्षण में टीम का लाभ बड़ा निकला: 17.27 बनाम 9.87 अंक।
शामिल किया: Meta, Nova, DeepSeek. शामिल नहीं किया: Nemotron.
उनकी सूचियों में: Meta: 3 · Nova: 1 · DeepSeek: 5
हर AI ने क्या नोट किया 3
- Metaस्थान 3
  हर टीम-सदस्य के लिए अलग 10 लाख टोकन की विंडो। एंथ्रोपिक के दस्तावेज़ों के अनुसार प्लान मोड में 7 गुना टोकन ओवरहेड, पर साफ़ संदेश-व्यवस्था अंधे टकराव की जगह लेती है
  स्रोत ↗
- Novaस्थान 1
  समानांतर वर्करों से 2.3 अंक का फायदा, 3.3 गुना टोकन खर्च पर। Spool में मर्ज स्वीकार हुए
  स्रोत ↗
- DeepSeekस्थान 5
  52 बग वाला ऐप टीम के साथ 75% ज़्यादा सुधरा, पर CooperBench की दो-एजेंट जोड़ियों ने 25% स्कोर किया, जबकि अकेले लगभग 50%।
  स्रोत ↗
3 AI ने इसे यहाँ रखा
स्रोत ↗
5
Kimi Code समानांतर एजेंट
यह सबसे उन्नत मॉडलों की तुलना में 4–8 गुना कम लागत पर 300 एजेंटों का समन्वय करता है, पर एक ब्लॉग बताता है कि समानांतर वर्करों ने उसकी SWE-bench पास दर 77% से गिराकर 59% कर दी। यह आँकड़ा केवल एक स्रोत का है।
शामिल किया: Nemotron, Nova, DeepSeek. शामिल नहीं किया: Meta.
उनकी सूचियों में: Nemotron: 7 · Nova: 3 · DeepSeek: 7
हर AI ने क्या नोट किया 3
- Nemotronस्थान 7
  Moonshot की समानांतर व्यवस्था: 1.4× टोकन पर 2.3 प्रतिशत अंक का फायदा। सबसे अच्छी दक्षता, पर ट्रैक रिकॉर्ड छोटा है
  स्रोत ↗
- Novaस्थान 3
  टीम के मापदंड रिपोर्ट नहीं हुए, मर्ज हुए काम का सार्वजनिक रिकॉर्ड सीमित है
- DeepSeekस्थान 7
  Kimi 300 एजेंटों का समन्वय कर सकता है और 4–8 गुना सस्ता है, पर समानांतर वर्करों ने उसकी SWE-bench पास दर 77% से घटाकर 59% कर दी।
  स्रोत ↗
3 AI ने इसे यहाँ रखा
स्रोत ↗
6
Claude Code समानांतर सब-एजेंट
उल्टे नतीजे: LoopsBench पर पूरी तरह हल होने वाले कार्य तीन गुना हो गए (7.1% से 21.4%), पर SWE-bench Verified 83.0% से गिरकर 59.0% रह गया। यह गिरावट अध्ययन की मुख्य 11.9 अंक की सीमा से बड़ी है, इसलिए इस पर विवाद है।
शामिल किया: Nova, DeepSeek. शामिल नहीं किया: Meta, Nemotron.
उनकी सूचियों में: Nova: 2 · DeepSeek: 8
हर AI ने क्या नोट किया 2
- Novaस्थान 2
  समानांतर वर्करों से 11.9 अंक की गिरावट, 1.4 गुना टोकन खर्च पर और सीमित संदेश-व्यवस्था
  स्रोत ↗
- DeepSeekस्थान 8
  समानांतर सबएजेंट ने LoopsBench के हल 7.1% से बढ़ाकर 21.4% कर दिए, जबकि SWE-bench पास 83.0% से गिरकर 59.0% हो गया।
  स्रोत ↗
2 AI ने इसे यहाँ रखा
स्रोत ↗
7
गिटहब Copilot Agent HQ
Copilot, Claude और Codex को एक ही रिपॉज़िटरी में साथ-साथ चलाता है, पर टीम बनाम अकेले एजेंट की सफलता दर प्रकाशित नहीं करता, इसलिए पता नहीं कि टीम एक एजेंट से आगे है या नहीं।
शामिल किया: Nova, DeepSeek. शामिल नहीं किया: Meta, Nemotron.
उनकी सूचियों में: Nova: 4 · DeepSeek: 9
हर AI ने क्या नोट किया 2
- Novaस्थान 4
  टीम के सार्वजनिक बेंचमार्क नहीं हैं, उपयोगकर्ताओं की रिपोर्ट पर निर्भर है
- DeepSeekस्थान 9
  यह एक ही रेपो में Copilot, Claude और Codex को साथ रखता है, पर टीम बनाम अकेले की सफलता दर नहीं छापता।
2 AI ने इसे यहाँ रखा
स्रोत नहीं दिया गया
8
MetaGPT / ChatDev
पुरानी रोल-प्ले टीमें एक एजेंट से हार जाती हैं: एक अकेले एजेंट ने उन्हें 10 समस्याओं में हराया और 1 में खुद हारा। ProgramDev पर ChatDev की सटीकता केवल 33.3% रही।
शामिल किया: Nemotron, DeepSeek. शामिल नहीं किया: Meta, Nova.
उनकी सूचियों में: Nemotron: 8 · DeepSeek: 10
हर AI ने क्या नोट किया 2
- Nemotronस्थान 8
  प्रोडक्ट मैनेजर, डेवलपर और टेस्टर की भूमिका निभाने वाले एजेंट: 8 प्रतिशत अंक का फायदा, पर 2.7× टोकन और 34% संदेश-ओवरहेड
  स्रोत ↗
- DeepSeekस्थान 10
  ChatDev ने ProgramDev पर 33.3% सही उत्तर पाए, जो उस एकल-एजेंट बेसलाइन से भी कम है जिसे उसे पीछे छोड़ना था।
  स्रोत ↗
2 AI ने इसे यहाँ रखा
स्रोत ↗
9
AgentRadio
यहाँ सबसे बड़ी मापी गई जीत: संदेश-बस पर चार एजेंट 32.3% के अकेले स्कोर से 62.1% तक पहुँचे, और एक नए अकेले मॉडल (57.2%) को पीछे छोड़ दिया। यह आँकड़ा केवल एक स्रोत देता है।
शामिल किया: DeepSeek. शामिल नहीं किया: Meta, Nemotron, Nova.
उनकी सूचियों में: DeepSeek: 1
हर AI ने क्या नोट किया 1
- DeepSeekस्थान 1
  एसिंक्रोनस मैसेज बस पर चार एजेंट अकेले 32.3% स्कोर से 62.1% तक पहुँचे, और नए एकल मॉडल के 57.2% को भी पीछे छोड़ा।
  स्रोत ↗
1 AI ने इसे यहाँ रखा
स्रोत ↗

शीर्ष तीन के बारे में और ↓

02शीर्ष तीन के बारे में और

रैंकिंग ऊपर है। यहाँ शीर्ष तीन स्थानों के बारे में और जानकारी है: वे क्या हैं, यहाँ क्यों हैं, और क्या जानना उपयोगी है।

तीनों को एक ही तरीके से नहीं मापा गया है: Gas Town के पास एक उपयोगकर्ता के मर्ज होने की कहानी है, Cursor के पास SQLite के टेस्ट पास हैं, पर अकेले एजेंट का आधार-मान नहीं है, और Codex के पास SWE-bench और Terminal-Bench के स्कोर हैं।

1Gas Town

नं. 1 — Gas Town. 4 में से 4 AI की सूचियों में; वहाँ मध्य स्थान: 2. AI ने इसे पहले स्थान पर रखा, क्योंकि इसमें कई एजेंटों को एक साथ चलाने का सबसे विकसित तरीका दिखता है, भले ही टोकन का खर्च बहुत ज़्यादा है।

क्या आप जानते हैं

जब यह विवरण छपा, तब Gas Town का कोड केवल 3 हफ़्ते पुराना था और उसे पूरी तरह “वाइब कोडेड” बताया गया था। यह भी बताया गया है कि इसे “स्टेज 7+ AI-सहायता प्राप्त विकास अनुभव” चाहिए, इसलिए यह शुरुआती लोगों के लिए नहीं है।
स्रोत ↗

यह क्या है: एक ही कोडबेस पर 20–30 Claude Code एजेंट चलाने वाला टूल।
इसकी बढ़त: असली मर्ज हुआ काम दिखाया: एक शाम में 7 में से 6 pull requests मर्ज।
किसके लिए सही: उन अनुभवी उपयोगकर्ताओं के लिए जो टोकन का खर्च उठा सकें; शुरुआती या स्थिरता चाहने वालों के लिए नहीं।

टीम का लाभ बनाम लागत7 में से 6 PR मर्ज

विकिपीडिया · Wikidata

यह यहाँ क्यों है

एक उपयोगकर्ता ने रात के खाने से पहले Gas Town को 7 काम दिए और लौटकर देखा कि 6 pull requests मर्ज हो चुकी थीं। एक साथ काम करने वाले एजेंटों के लिए यह मर्ज होने की ऊँची दर है, हालाँकि काम की समीक्षा फिर भी किसी इंसान को करनी पड़ी।
स्रोत ↗
उसी उपयोगकर्ता ने बाद में 32GB के MacBook Air पर 141 अनाथ Claude Code प्रोसेस चलते पाए। एक साथ कई एजेंट चलाने की यही छिपी हुई कीमत है: ऐसा बचा हुआ काम जो किसी ने माँगा ही नहीं था।
स्रोत ↗

क्या आप जानते हैं

Gas Town अपने एजेंटों को एक काल्पनिक बंजर भूमि से लिए पदनाम देता है: Mayor, Polecats, Refinery, Witness, Deacon, Dogs और Crew। यह tmux पर चलता है, Go भाषा में लिखा गया है, और Beads नाम के एक टूल पर बना है।
स्रोत ↗

ध्यान रखें

एक शोध सारांश इसे अव्यवस्थित बताता है: काम लापरवाही से हो सकता है, जिसमें बग कई बार ठीक करने पड़ते हैं। जिन्हें प्रोडक्शन में स्थिरता चाहिए, उन्हें इसकी सलाह नहीं दी जाती। इसमें यह भी लिखा है कि भारी उपयोग करने वालों को हर महीने $100-300+ का बजट रखना चाहिए।
स्रोत ↗
उसी पृष्ठ के अनुसार हैकर न्यूज़ इस पर तीखे मतभेद में बँटा है कि टोकन पर होने वाला खर्च लायक है या नहीं। इसमें इस टूल को “पैसा उड़ाने वाला” बताया गया है, जिसे एजेंट की भुगतान वाली सदस्यता चाहिए।
स्रोत ↗

आगे कहाँ देखें

README खोलकर एजेंट की भूमिकाओं की सूची पढ़ें, जैसे Mayor और Polecats, ताकि पता चले कौन क्या करता है। फिर देखें कि यह git-आधारित हुक्स में काम का हिसाब कैसे रखता है, ताकि समझ आए कि एजेंट रुकी हुई जगह से कैसे आगे बढ़ते हैं।
स्रोत ↗

शीर्ष तीन की तुलना करें ↓

2Cursor agent swarm

नं. 2 — Cursor agent swarm. 4 में से 4 AI की सूचियों में; वहाँ मध्य स्थान: 5.5. AI ने इसे दूसरे स्थान पर रखा, क्योंकि हर सेटअप 100% टेस्ट पास तक पहुँचा, पर खर्च बहुत अलग-अलग रहा और अकेले एजेंट से तुलना नहीं है।

क्या आप जानते हैं

पुराने स्वार्म में 70,000 से ज़्यादा मर्ज कॉन्फ़्लिक्ट जमा हो गए। अकेली एक फ़ाइल में 1,173 एजेंटों से 7,771 कॉन्फ़्लिक्ट आए। नए डिज़ाइन में वही फ़ाइल 47 पर रह गई।
स्रोत ↗

यह क्या है: एक कर्सर सेटअप, जिसमें योजनाकार और वर्कर एजेंटों ने SQLite दोबारा बनाया।
इसकी बढ़त: हर सेटअप ने सारे टेस्ट पास किए, और नए डिज़ाइन में मर्ज कॉन्फ़्लिक्ट कहीं कम थे।
किसके लिए सही: उन टीमों के लिए जो मॉडलों के मेल और खर्च को समझना चाहती हैं; उनके लिए नहीं जिन्हें एक एजेंट के मुकाबले सबूत चाहिए।

टीम का लाभ बनाम लागत100% पास, $411–$9,373

यह यहाँ क्यों है

कर्सर के स्वार्म ने SQLite को एक मैनुअल से दोबारा बनाया। Opus योजनाकार के अधीन Composer 2.5 वर्कर वाले वर्कर-समूह की लागत $411 रही, जबकि GPT-5.5 वर्कर वाले की $9,373। खर्च काफ़ी हद तक इस पर निर्भर करता है कि कौन-से मॉडल इस्तेमाल हुए।
स्रोत ↗ ✓ कई AI ने पुष्टि की
चार घंटे बाद नए स्वार्म ने 73 से 85 प्रतिशत टेस्ट पास किए, जबकि पुराने ने 11 से 77 प्रतिशत। हर नया सेटअप आख़िरकार 100 प्रतिशत तक पहुँच गया। Opus वाले रनों में नए स्वार्म ने 4,645 लाइनों का कोड इस्तेमाल किया, जबकि पुराने स्वार्म ने 19,013 लाइनों का।
स्रोत ↗

क्या आप जानते हैं

कर्सर के स्वार्म ने Rust में SQLite सिर्फ़ 835 पन्नों के मैनुअल से दोबारा बनाया। उसके पास न सोर्स कोड था, न टेस्ट सूट, न इंटरनेट। उसे sqllogictest बेंचमार्क का पता नहीं था, जिसमें लाखों SQL क्वेरी हैं।
स्रोत ↗

इतिहास

2026 की शुरुआत में कर्सर का पहला ब्राउज़र बनाने वाला डिज़ाइन नाकाम रहा: 20 एजेंट 2 या 3 की रफ़्तार पर धीमे पड़ गए, ज़्यादातर एक-दूसरे का इंतज़ार करते हुए। योजनाकार, वर्कर और एक जज में बदलने से यह ठीक हो गया।
स्रोत ↗

ध्यान रखें

कर्सर कहता है कि उसने अकेले फ़्रंटियर रनों को सिर्फ़ अनौपचारिक रूप से आँका, इसलिए उनकी गुणवत्ता पर कोई निष्कर्ष नहीं निकालता। यानी एक एजेंट वाली कोई निष्पक्ष तुलना नहीं है।
स्रोत ↗

लोग क्या कहते हैं

The difference is that a compiler preserves meaning at every step while the swarm is probabilistic at every one. — Cursor (company blog)
स्रोत ↗

आगे कहाँ देखें

पोस्ट पढ़ें कि योजनाकार और वर्कर एजेंट काम कैसे बाँटते हैं। फिर मॉडल-मिश्रण की तालिका ढूँढें और हर रन की लागत की तुलना करें, ताकि दिखे कि एक ही नतीजा कितनी अलग-अलग लागत में मिल सकता है।
स्रोत ↗

शीर्ष तीन की तुलना करें ↓

3ओपनएआई Codex सब-एजेंट

नं. 3 — ओपनएआई Codex सब-एजेंट. 4 में से 4 AI की सूचियों में; वहाँ मध्य स्थान: 4. AI ने इसे तीसरे स्थान पर रखा, क्योंकि सब-एजेंट से स्कोर में कोई बढ़त नहीं मिली, जबकि टोकन लगभग तीन गुना लगे।

क्या आप जानते हैं

Codex के सब-एजेंट डिफ़ॉल्ट रूप से सीमित होते हैं। एक साथ छह थ्रेड खुल सकते हैं, और सब-एजेंट अपने सब-एजेंट नहीं बना सकता, क्योंकि max_depth का डिफ़ॉल्ट मान 1 है। हर कस्टम एजेंट बस एक छोटी TOML फ़ाइल होता है।
स्रोत ↗

यह क्या है: ओपनएआई के Codex कोडिंग एजेंट में बने सब-एजेंट सहायक।
इसकी बढ़त: आपको साफ़ नियंत्रण देता है: थ्रेड्स की सीमा, सीमित गहराई, और सब-एजेंट तभी जब आप माँगें।
किसके लिए सही: उन लोगों के लिए जो सब-एजेंट को सावधानी से परखना चाहते हैं; उनके लिए नहीं जो बेहतर स्कोर की उम्मीद करते हैं।

टीम का लाभ बनाम लागतदोनों तरह से 71.0%, 3 गुना टोकन

क्या आप जानते हैं

Codex के सब-एजेंट केवल मूल से बच्चे की ओर बात करते हैं, आपस में सीधे नहीं। मार्च 2026 के मल्टी-एजेंट v2 रिलीज़ के बाद उन्हें /root/agent_a जैसे पाथ-शैली के पते मिलते हैं।
स्रोत ↗

इतिहास

16 मार्च 2026 को, फ़ीचर-फ़्लैग के पीछे कई हफ़्तों की जाँच के बाद, Codex सब-एजेंट फ़ीचर-फ़्लैग प्रीव्यू से बाहर आकर सभी के लिए उपलब्ध हो गए।
स्रोत ↗

ध्यान रखें

ओपनएआई के अपने दस्तावेज़ कहते हैं कि सब-एजेंट वाले काम तुलना योग्य एकल-एजेंट रनों से ज़्यादा टोकन खर्च करते हैं। हर सब-एजेंट अपना मॉडल और टूल का काम खुद करता है।
स्रोत ↗
Codex सब-एजेंट तभी बनाता है जब आप सीधे माँगें, या जब प्रोजेक्ट या स्किल के निर्देश ऐसा कहें। ज़्यादातर इंटेलिजेंस स्तरों पर आपको उन्हें खुद माँगना पड़ता है, इसलिए अतिरिक्त खर्च आपका अपना चुनाव है।
स्रोत ↗

आगे कहाँ देखें

पृष्ठ पढ़ें कि सब-एजेंट कैसे शुरू होते हैं और एक साथ कितने चल सकते हैं। फिर थ्रेड-सीमा और नेस्टिंग-गहराई की सेटिंग देखें, जो तय करती हैं कि कितने समानांतर वर्कर का पैसा देना होगा।
स्रोत ↗

शीर्ष तीन की तुलना करें ↓

शीर्ष तीन आमने-सामने

	Gas Town	Cursor agent swarm	ओपनएआई Codex सब-एजेंट
AI सूचियों में	4 / 4	4 / 4	4 / 4
टीम का लाभ बनाम लागत	7 में से 6 PR मर्ज	100% पास, $411–$9,373	दोनों तरह से 71.0%, 3 गुना टोकन
पहला स्थान दिया	—	—	—

जिन स्थानों को बराबर AI ने चुना, वे AI सूचियों में उनके औसत स्थान के क्रम में हैं।

03जानने योग्य

सूची बनाते समय AI ने क्या देखा।

CooperBench पर एजेंट अपने टोकन-बजट का 15–20% एक-दूसरे को संदेश भेजने में लगाते हैं। इससे मर्ज के टकराव लगभग 30% घटे, पर पूरे हुए फ़ीचर की संख्या नहीं बढ़ी।

किसने देखा:

शामिल किया: Nova, DeepSeek. शामिल नहीं किया: Meta, Nemotron.

01अंतिम सूची

Gas Town

Cursor agent swarm

ओपनएआई Codex सब-एजेंट

Claude Code agent teams

Kimi Code समानांतर एजेंट

Claude Code समानांतर सब-एजेंट

गिटहब Copilot Agent HQ

MetaGPT / ChatDev

AgentRadio

02शीर्ष तीन के बारे में और

1Gas Town

क्या आप जानते हैं

2Cursor agent swarm

क्या आप जानते हैं

3ओपनएआई Codex सब-एजेंट

क्या आप जानते हैं

शीर्ष तीन आमने-सामने

और रैंकिंग

03जानने योग्य

04लोग क्या पूछते हैं

05हमने कैसे गिना

1सवाल

2यह विषय क्यों

3यह कहाँ लागू होता है

4हमने किन बातों पर ध्यान दिया

5रैंक किसने दी

6स्थान कैसे तय हुए

06हर AI की अपनी सूची

Meta ने क्या देखा

Nemotron ने क्या देखा

Nova ने क्या देखा

DeepSeek ने क्या देखा