Poly ランキング · 今日のトレンドから

AIコーディング・エージェントのチーム対1体：2026年のトップ9 · 9 位まで

2つの有力なAIコーディング・エージェントがペアで動いても、CooperBenchのタスクで成功するのは約25%にとどまります。あるCodexのテストでは、サブエージェントを追加してもスコアは71.0%のまま変わらず、解決したタスク1件あたりのトークン数は7.69Mから24.12Mに増えました。

  • 1位：Gas Town
  • 9 位まで

01最終リスト

主要なAIがそれぞれ独自に10位までのリストを作りました。上は確かめやすい1つの総合結果です。各順位には理由と、それを選んだ AI、AI が示した場合は出典があります。

並び順：AIの合意が多い順です。

明るいバッジは、その AI がこの項目を自分のリストに入れたことを示します。薄いバッジは入れなかったことを示します。

  1. 1

    Gas Town

    20〜30個のClaude Codeインスタンスを動かします。あるレビュー担当者は、ある晩に7件中6件のプルリクエストがマージされるのを見ましたが、1週間後には141個の孤立したプロセスが見つかりました。従量課金のコストは時間あたり$100近くと報告されています。

    選んだ AI: Meta, Nemotron, Nova, DeepSeek.

    各 AI のリストでの順位: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2

    各 AI の指摘 4
    • Meta2 位

      1つのコードベースで Claude Code を 20〜30 個同時に動かし、マージを待つ行列を管理するエージェントを1つ置く。台帳と引き継ぎの仕組みが最も発達しているが、トークンの消費は $100/時間と報告されている

      出典 ↗
    • Nemotron2 位

      3エージェントの艦隊が、Terminal-Bench の長いタスクで 91% の合格率を維持。単独エージェントは 67% に落ちる

    • Nova9 位

      マージされた変更にはエージェントの署名が付き、人が承認する

    • DeepSeek2 位

      7件中6件の PR が、レビュアーが夕食をとっている間にマージされた。1週間後、同じ環境には 141 個の親を失った Claude プロセスが残っていた。

      出典 ↗
    4つのAIがここに選出
    出典 ↗
  2. 2

    Cursor agent swarm

    どの構成もSQLiteを再構築して100%のテスト合格に達しました。ただし、ワーカーに使った費用はモデルの組み合わせによって$411から$9,373まで幅があり、その差は22倍です。単独での基準値はありません。

    選んだ AI: Meta, Nemotron, Nova, DeepSeek.

    各 AI のリストでの順位: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3

    各 AI の指摘 4
    • Meta6 位

      Cursor は修正タスクに強く、80.4%（単独利用時との比較）。チームでの並列化は利用枠を分け合うが、Claude Max と同じ週次上限に達する

    • Nemotron5 位

      IDE に組み込まれた並列化。9ポイントの向上、トークンは 1.6 倍。ただし、エージェント間のメッセージのやり取りは記録されていない

    • Nova6 位

      タスク別の性能は示されるが、チームのベンチマークはない

    • DeepSeek3 位

      同じ SQLite のテストは 100% 合格した。一方、ワーカーの支出は、ある構成では 411 ドル、別の構成では 9,373 ドルだった。

      出典 ↗
    4つのAIがここに選出
    出典 ↗
  3. 3

    OpenAI Codex sub-agents

    約3倍のコストをかけても向上はありませんでした。SWE-benchでは、トークン数が3倍になったのに、どちらの方法でも71.0%のままでした。Terminal-Benchでは、タスクあたり$9.01対$25.80で、同じ71.67%が得られました。

    選んだ AI: Meta, Nemotron, Nova, DeepSeek.

    各 AI のリストでの順位: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4

    各 AI の指摘 4
    • Meta4 位

      Codex が書き、Claude がレビューする。Codex 単独の採用率は 59.6〜88.6%、Claude Code はドキュメントで 92.3%。役割を分けた組み合わせは、単独より優れている

      出典 ↗
    • Nemotron3 位

      オープンソースのチームが、CooperBench で商用製品と肩を並べる。ただし、メッセージのやり取りがトークンの 38% を使う

      出典 ↗
    • Nova5 位

      単独エージェントに焦点があり、チームの協調指標はない

    • DeepSeek4 位

      Codex の合格率は SWE-bench で変わらなかった。どちらの方法でも 71.0%。しかし、9つのタスクは並行実行によってのみ解けた。

      出典 ↗
    4つのAIがここに選出
    出典 ↗
  4. 4

    Claude Code agent teams

    Anthropicのドキュメントによると、プランモードではチームが1セッションの約7倍のトークンを使います。1件のCircleCIのバグテストでは、チームの向上のほうが大きく、17.27対9.87ポイントでした。

    選んだ AI: Meta, Nova, DeepSeek. 選ばなかった AI: Nemotron.

    各 AI のリストでの順位: Meta: 3 · Nova: 1 · DeepSeek: 5

    各 AI の指摘 3
    • Meta3 位

      チームメンバーごとに独立した100万トークンの作業枠。Anthropic のドキュメントによると、計画モードではトークンの負担が7倍になるが、明示的なメッセージのやり取りで、盲目的な衝突は防げる

      出典 ↗
    • Nova1 位

      並列ワーカーで2.3ポイントの向上。トークンコストは 3.3 倍。Spool でマージが採用された

      出典 ↗
    • DeepSeek5 位

      52 のバグを含むアプリは、チームによって 75% 多く改善した。一方、CooperBench の2エージェントのペアは 25% にとどまり、単独の約50%に及ばなかった。

      出典 ↗
    3つのAIがここに選出
    出典 ↗
  5. 5

    Kimi Code parallel agents

    300体のエージェントを調整し、フロンティアモデルより4〜8倍コストが低いとしています。ただし、あるブログは、並列ワーカーによってSWE-benchの合格率が77%から59%に下がったと報告しています。この数字は単一の情報源によるものです。

    選んだ AI: Nemotron, Nova, DeepSeek. 選ばなかった AI: Meta.

    各 AI のリストでの順位: Nemotron: 7 · Nova: 3 · DeepSeek: 7

    各 AI の指摘 3
    • Nemotron7 位

      ムーンショットの並列化。トークン 1.4 倍で 2.3ポイントの向上。効率は最良だが、実績は短い

      出典 ↗
    • Nova3 位

      チームの指標は非公開。公開されたマージ作業の記録は限られる

    • DeepSeek7 位

      Kimi は 300 のエージェントを調整でき、コストは 4〜8 倍安い。しかし、並列ワーカーにより SWE-bench の合格率は 77% から 59% に下がった。

      出典 ↗
    3つのAIがここに選出
    出典 ↗
  6. 6

    Claude Code parallel sub-agents

    結果は逆になりました。LoopsBenchの完全解決は3倍に増えました（7.1%から21.4%）が、SWE-bench Verifiedは83.0%から59.0%に下がりました。その下落幅は、研究の見出しにある11.9ポイントの幅より大きいため、異論があります。

    選んだ AI: Nova, DeepSeek. 選ばなかった AI: Meta, Nemotron.

    各 AI のリストでの順位: Nova: 2 · DeepSeek: 8

    各 AI の指摘 2
    • Nova2 位

      並列ワーカーで11.9ポイントの低下。トークンコストは 1.4 倍。メッセージのやり取りは限定的

      出典 ↗
    • DeepSeek8 位

      並列のサブエージェントは LoopsBench の解決数を 7.1% から 21.4% へ 3 倍にした。一方、SWE-bench の合格は 83.0% から 59.0% に下がった。

      出典 ↗
    2つのAIがここに選出
    出典 ↗
  7. 7

    GitHub Copilot Agent HQ

    Copilot、Claude、Codexを同じリポジトリで並べて動かせますが、チームと単独の成功率は公表されていません。そのため、チームが1体のエージェントに勝つかどうかは分かりません。

    選んだ AI: Nova, DeepSeek. 選ばなかった AI: Meta, Nemotron.

    各 AI のリストでの順位: Nova: 4 · DeepSeek: 9

    各 AI の指摘 2
    • Nova4 位

      チームの公開ベンチマークはなく、ユーザーの報告に依存している

    • DeepSeek9 位

      1つのリポジトリで Copilot、Claude、Codex を並べて使える。ただし、チーム対単独の成功率は公表していない。

    2つのAIがここに選出
    出典なし
  8. 8

    MetaGPT / ChatDev

    古いロールプレイ型のチームは、1体のエージェントに負けています。単独のエージェントは10問で上回り、負けたのは1問だけでした。ChatDevはProgramDevで正答率33.3%にしか届きませんでした。

    選んだ AI: Nemotron, DeepSeek. 選ばなかった AI: Meta, Nova.

    各 AI のリストでの順位: Nemotron: 8 · DeepSeek: 10

    各 AI の指摘 2
    • Nemotron8 位

      役割を演じるエージェント（PM、開発、QA）。8ポイントの向上だが、トークンは 2.7 倍。メッセージのやり取りの負担は 34%

      出典 ↗
    • DeepSeek10 位

      ChatDev は ProgramDev で 33.3% の正答率に届いた。これは、上回るはずだった単一エージェントの基準より低い。

      出典 ↗
    2つのAIがここに選出
    出典 ↗
  9. 9

    AgentRadio

    ここで最も大きく測定された成果は、メッセージバスでつながった4つのエージェントが、単独時の32.3%から62.1%に上がったことです。より新しい単一モデルの57.2%も上回りました。この数字を報告しているのは1つの情報源だけです。

    選んだ AI: DeepSeek. 選ばなかった AI: Meta, Nemotron, Nova.

    各 AI のリストでの順位: DeepSeek: 1

    各 AI の指摘 1
    • DeepSeek1 位

      非同期メッセージバス上で動く4つのエージェントは、単独の 32.3% を 62.1% に引き上げた。さらに、新しい単一モデルの 57.2% も上回った。

      出典 ↗
    1つのAIがここに選出
    出典 ↗

トップ3をもっと詳しく ↓

02トップ3をもっと詳しく

ランキングは上にあります。ここでは上位3つについて、それが何か、なぜここにあるのか、知っておきたいことを紹介します。

3つは同じ方法で測られていない。Gas Townは利用者が統合に成功した話、Cursorは単独の基準がないままのSQLiteのテスト合格、Codexは SWE-bench と Terminal-Bench のスコアがある。

1Gas Town

1位 — Gas Town. 4 の AI のうち 4 がリストに入れた／そこでの順位の中央値：2. 複数のエージェントを一緒に動かす方法として最も発達していたため、AIはこれを1位にした。ただしトークンの費用は非常に高かった。

知っていましたか

  • この記事が出た時点で、Gas Town のコードは作られてからわずか3週間で、「バイブコーディング」で作られたと完全に説明されていた。また「Stage 7+ AI-assisted development experience」が必要だと伝えられており、初心者向けではない。

    出典 ↗
どんなものか
1つのコードベースで Claude Code のエージェントを20–30体動かすツール。
強み
1晩で7件中6件のプルリクエストが統合された、実際の成果を示した。
向いている人
トークン代を払える経験者向け。初心者や安定性を求める人には向かない。
  • チームの成果と費用の比較7件中6件を統合

ウィキペディア · Wikidata

ここにある理由

  • ある利用者は夕食前に Gas Town に7つの作業を任せ、戻ると6件のプルリクエストが統合されていた。複数のエージェントが協力する場合としては高い統合率だ。ただし作業内容の確認は、今も人間がする必要があった。

    出典 ↗

  • 同じ利用者は後に、32GBのMacBook Airで、持ち主のいない Claude Code のプロセスが141個動いたままになっているのを見つけた。複数のエージェントを同時に動かすことの隠れた費用だ。頼まれていない作業が、後に残ってしまう。

    出典 ↗
知っていましたか

  • Gas Town はエージェントに、架空の荒野から取った役職名を与えている。Mayor、Polecats、Refinery、Witness、Deacon、Dogs、Crew だ。tmux 上で動き、Go で書かれ、Beads というツールの上に作られている。

    出典 ↗
気をつけたい点

  • ある調査のまとめは、混沌としていると評している。作業が雑で、同じバグが何度も直されることがある。本番環境の安定性を求める人にはすすめられない。また、多く使う人は月$100-300以上の予算を見ておくべきだとしている。

    出典 ↗

  • 同じページは、トークン費用に見合うかどうかについて、ハッカーニュースの意見が真っ二つに割れていると伝えている。また、このツールを、有料のエージェント契約が必要な「金食い虫」と呼んでいる。

    出典 ↗
さらに知るには

  • README を開き、Mayor や Polecats などエージェントの役割の一覧を読んで、誰が何をするかを確かめよう。次に、git に保存されるフックで作業をどう追いかけているかを見ると、エージェントが中断した所からどう再開するかが分かる。

    出典 ↗
トップ3を比べる ↓

2Cursor agent swarm

2位 — Cursor agent swarm. 4 の AI のうち 4 がリストに入れた／そこでの順位の中央値：5.5. どの構成もテストの合格率が100%に達したが、費用の差が非常に大きく、単独での比較もないため、AIは2位にした。

知っていましたか

  • 古い群れ型では、統合時の衝突が7万件以上積み重なった。1つのファイルだけで、1,173体のエージェントから7,771件の衝突があった。新しい設計では、同じファイルの衝突は47件だった。

    出典 ↗
どんなものか
計画役と作業役のエージェントが SQLite を作り直した Cursor の構成。
強み
どの構成もすべてのテストに合格し、新しい設計ではファイルの統合時の衝突がはるかに少なかった。
向いている人
モデルの組み合わせや費用に関心のあるチーム向け。1体だけのエージェントに勝つという証明を求める人には向かない。
  • チームの成果と費用の比較合格率100%、$411–$9,373
ここにある理由

  • Cursor の群れ型エージェントは、マニュアルだけを頼りに SQLite を作り直した。Opus を計画役にし、Composer 2.5 を作業役にした場合の費用は$411、GPT-5.5 を作業役にした場合は$9,373だった。費用はどのモデルを使うかで大きく変わる。

    出典 ↗ ✓ 複数の AI が確認

  • 4時間後、新しい群れ型はテストの73〜85%に合格したが、古い方は11〜77%だった。新しい構成はどれも最終的に100%に達した。Opus での実行では、新しい群れ型のコードは4,645行で、古い群れ型の19,013行に比べて少なかった。

    出典 ↗
知っていましたか

  • Cursor の群れ型は、835ページのマニュアルだけを使い、Rust で SQLite を作り直した。ソースコードも、テストの一式も、インターネットもなかった。数百万件のSQLクエリを含む sqllogictest というベンチマークがあることも知らなかった。

    出典 ↗
歴史

  • 2026年初めには、ブラウザを作るための Cursor の最初の設計は失敗した。20体のエージェントが、ほとんどお互いの待ち時間で、2〜3体分の速さにまで落ちた。計画役、作業役、審判役に切り替えて解決した。

    出典 ↗
気をつけたい点

  • Cursor は、単独の最先端モデルによる実行を非公式にしか評価していないため、その品質について結論は出さないと述べている。つまり、1体のエージェントとの公平な比較はできない。

    出典 ↗
人々の声

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

    出典 ↗
さらに知るには

  • 投稿を読んで、計画役と作業役のエージェントが仕事をどう分けているかを確かめよう。次に、モデルの組み合わせの表を探し、各実行の費用を比べよう。同じ結果でも費用がこれほど違いうることが分かる。

    出典 ↗
トップ3を比べる ↓

3OpenAI Codex sub-agents

3位 — OpenAI Codex sub-agents. 4 の AI のうち 4 がリストに入れた／そこでの順位の中央値：4. サブエージェントはスコアを上げなかったのに、トークンはおよそ3倍使ったため、AIは3位にした。

知っていましたか

  • Codex のサブエージェントは初期設定で上限がある。同時に開けるスレッドは6つまでで、max_depth の初期値は1なので、サブエージェントがさらにサブエージェントを起動することはできない。カスタムエージェントは、それぞれ小さな TOML ファイル1つで定義される。

    出典 ↗
どんなものか
OpenAI のコーディングエージェント Codex に組み込まれたサブエージェントの補助機能。
強み
同時に動くスレッド数や階層の深さに上限があり、頼んだときだけサブエージェントが動くなど、はっきりと管理できる。
向いている人
サブエージェントを慎重に試したい人向け。スコアの向上を期待する人には向かない。
  • チームの成果と費用の比較どちらも71.0%、トークン3倍
知っていましたか

  • Codex のサブエージェントは、親から子への通信しかできず、同じ立場同士の通信はできない。2026年3月のマルチエージェント v2 の公開以降は、/root/agent_a のようなパス形式のアドレスが与えられる。

    出典 ↗
歴史

  • 2026年3月16日、Codex のサブエージェントは機能フラグによる先行公開版を終え、一般提供になった。それまでフラグの裏で数週間テストされていた。

    出典 ↗
気をつけたい点

  • OpenAI 自身のドキュメントは、サブエージェントを使う作業は、同程度の単独エージェントの実行より多くのトークンを消費すると説明している。サブエージェントはそれぞれ、自分のモデル処理とツール処理を行うからだ。

    出典 ↗

  • Codex は、直接頼まれたときか、プロジェクトやスキルの指示で決められているときにしかサブエージェントを起動しない。ほとんどの知能レベル（推論の強度）では自分で頼む必要があるため、余分な費用は自分の選択による。

    出典 ↗
さらに知るには

  • サブエージェントの起動方法と、同時に動かせる数についてのページを読もう。次に、スレッド数の上限と階層の深さの設定を見よう。これらで、並列で動く作業役の数、つまり支払う費用が決まる。

    出典 ↗
トップ3を比べる ↓

トップ3を並べて

Gas TownCursor agent swarmOpenAI Codex sub-agents
AI のリスト入り4 / 44 / 44 / 4
チームの成果と費用の比較7件中6件を統合合格率100%、$411–$9,373どちらも71.0%、トークン3倍
1位にした AI———

AI の数が同じ順位は、各 AI のリストでの平均順位で並べています。

ほかのランキング

03知っておきたいこと

AI がリストを作る中で気づいたこと。

CooperBenchでは、エージェントがトークン予算の15〜20%をお互いへのメッセージに使っていました。これによりマージの衝突は約30%減りましたが、機能の完成率は上がりませんでした。

気づいた AI:
選んだ AI: Nova, DeepSeek. 選ばなかった AI: Meta, Nemotron.
出典 ↗

同じルールのもとで、人間の開発者のペアはCooperBenchのタスクを10件中9件解きましたが、エージェントは10件中3件でした。失敗の原因はコーディングの難しさではなく、連携にあります。

気づいた AI:
選んだ AI: DeepSeek. 選ばなかった AI: Meta, Nemotron, Nova.
出典 ↗

1,393体のサブエージェントを使ったCodexの実行は、約19時間で約$19,300かかりました。その後、あるOpenAI Codexの開発者は、2体を超える並列エージェントは、品質が上がらないままほぼ確実にトークンを浪費すると述べました。

気づいた AI:
選んだ AI: Meta, DeepSeek. 選ばなかった AI: Nemotron, Nova.
出典 ↗

Vals AIは、最も高価なOpusのチーム構成が、最も安いものの30倍のコスト（$122対$4.08）だったと明らかにしました。得られた向上は1.6ポイント（93.2対91.5）ですが、統計的に有意ではありませんでした。

気づいた AI:
選んだ AI: DeepSeek. 選ばなかった AI: Meta, Nemotron, Nova.
出典 ↗

CooperBenchの低下幅は2通りで引用されています。単独より約50%低い（絶対成功率25%）というものと、要旨にある「平均で少なくとも30%の低下」です。これは基準が異なる別の数字で、同じ数字ではありません。

気づいた AI:
選んだ AI: Meta, DeepSeek. 選ばなかった AI: Nemotron, Nova.
出典 ↗

04よくある質問

AIコーディング・エージェントとは何ですか？

AIコーディング・エージェントとは、モデルに動かされるツールで、リポジトリを読み、ファイルを編集し、テストを実行して、目標に向けて繰り返し作業するものです。CooperBenchが652件のタスクで2つを組み合わせたところ、成功したのは約25%でした。

出典 ↗
AIコーディング・エージェントはどのように動きますか？

計画、編集、テストの実行、再試行を繰り返して進みます。並列のサブエージェントを有効にすると、各サブエージェントが自分のコンテキストを読み込むため、トークン使用量は逐次実行の1.41〜3.31倍になります。

出典 ↗
AIエージェントは協力できますか？

はい、ただしまだうまくはできません。2体のチームはCooperBenchで約25%の得点で、両方の機能を与えられた単独のエージェントのおよそ半分です。基準が違うため、30%の低下と呼ぶ要約もあります。

出典 ↗
AIエージェントはどのように協力して作業しますか？

タスク一覧を共有し、互いにメッセージを送り、ブランチをマージします。Gas Townは、gitに裏付けられた台帳と単一のマージキューを通じて、20〜30個のClaude Codeインスタンスを調整します。

出典 ↗

05集計方法

数式なしで、やさしい言葉で。

1質問

単独で動く1体のエージェントに勝てるかどうかで並べた、AIコーディング・エージェントのチーム上位10件

2このテーマを選んだ理由

協力のベンチマーク、トークンのコストに関する研究、実際にマージされた作業の記録を並べて示すので、読者は、エージェントのチームが単独の1体を本当に上回る場面と、主に会話を増やすだけの場面を見分けられます。

3対象範囲

全世界、AIによるソフトウェア開発

4評価の観点

  • 同じ総作業量を与えられた単独のエージェントと並べて示す、協力コーディング・タスクでのチームの成功率
  • 並列ワーカーを追加したときの合格率の変化を、追加されるトークン量と比べたもの
  • コードを書くことではなく、エージェント同士のメッセージのやり取りに使われた予算の割合
  • 各変更を人が承認しながら数日間動くかどうか。エージェントが署名した公開のマージ記録から判断
  • CooperBench（スタンフォード大学、SAP Labs US）— 12のオープンソースライブラリにまたがる652件の協力コーディング・タスクで、2つのエージェントの成功率を、両方の機能を与えられた1体のエージェントと比較。トークンのうちメッセージに使われた割合
  • 並列サブエージェントの研究、arXiv 2610.10263（Codex、Claude Code、Kimi Code）— 並列ワーカーを有効にしたときの合格率の変化（11.9ポイントの低下から2.3ポイントの向上まで）とトークン使用量（逐次実行の1.41〜3.31倍）
  • AnthropicのClaude Codeエージェント・チームのドキュメント — 1つのセッションと比べた、チームのトークン使用について開発元自身が説明したもの
  • GitHubの公開リポジトリの記録（Gas Town、Spool）— 人が承認したエージェント署名の変更のマージ。スター数とは切り分けて記載

5順位をつけた AI

主要なAI：Meta, Nemotron, Nova, DeepSeek。それぞれが独自に10位までのリストを作り、各順位に出典を示しました。

6順位の決め方

AI ごとに表現が違っても同じ項目は一つとして数えました。より多くの AI がリストに入れ、より上位に置いた項目ほど順位が高くなります。「AI の一致」は、その項目を自分のリストに入れた AI の数を示します。出典は AI 自身が見つけたものだけで、手作業での追加はありません。

06各 AI のリスト

🇺🇸 Meta10 位まで · メモ 3 件

同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Spool (enes-alatas/spool)

    Claude の常時稼働ループ4つが、数日間にわたって自分たちの工場を作り続けた。Telegram/Slack でのチャットを経て、Co-Authored-By: Claude Opus 5.5 の署名が付いた PR（プルリクエスト）がマージされた

    出典 ↗
  2. 2
    Gas Town

    1つのコードベースで Claude Code を 20〜30 個同時に動かし、マージを待つ行列を管理するエージェントを1つ置く。台帳と引き継ぎの仕組みが最も発達しているが、トークンの消費は $100/時間と報告されている

    出典 ↗
  3. 3
    Claude Code のエージェントチーム（Anthropic 純正）

    チームメンバーごとに独立した100万トークンの作業枠。Anthropic のドキュメントによると、計画モードではトークンの負担が7倍になるが、明示的なメッセージのやり取りで、盲目的な衝突は防げる

    出典 ↗
  4. 4
    OpenAI Codex と Claude Code の相互チェック

    Codex が書き、Claude がレビューする。Codex 単独の採用率は 59.6〜88.6%、Claude Code はドキュメントで 92.3%。役割を分けた組み合わせは、単独より優れている

    出典 ↗
  5. 5
    git worktree を使う Codex の並列ワーカー

    並列エージェントは2つまでが限界。それ以上にすると、Terminal-Bench 4.0 で同じ 71.67% に対し、請求額が 2.86 倍になる

  6. 6
    Cursor のエージェントチーム

    Cursor は修正タスクに強く、80.4%（単独利用時との比較）。チームでの並列化は利用枠を分け合うが、Claude Max と同じ週次上限に達する

  7. 7
    Factory / Droid (factory.ai)

    CLI、デスクトップ、リモートのコンピューター、GitHub Actions にまたがる商用の艦隊。Gas Town の Refinery に着想を与えた工場型の仕組み

  8. 8
    Omnigent（Databricks のメタハーネス）

    Claude Code、Codex などを組み合わせるメタハーネス。CooperBench の652タスクのように、12 のオープンソースライブラリで成功を測る

    出典 ↗
  9. 9
    Beads + Shipmates の台帳

    Beads は追跡ツール、Gas Town は工場。永続的なメモリに、人が承認に関われるリード＆クルーのチャンネルを加えたもの

    出典 ↗
  10. 10
    2エージェントの一般的な基準（CooperBench の単独対2人組）

    協調の呪い。2つのエージェントが協力すると成功率は 25%。同じ2つの作業を1つのエージェントが単独で行う場合より、約50%低い

    出典 ↗

Meta が気づいたこと

CooperBench は協調の呪いを示す。652タスク、12 ライブラリで、チームの成功率は 25%、単独は約50%。意思疎通の悪さに関連して、平均で約30%の低下

出典 ↗

並列化の税は現実にある。ワーカーを増やすと合格率は -11.9〜+2.3 ポイント変わり、トークンは 1.4〜3.3 倍に増える。ある Terminal-Bench の実行では、同じ 71.67% に対して請求額が 2.86 倍になった

出典 ↗

Spool の実績。4つのループが Spool 自体を数日間作り続け、Co-Authored-By: Claude Opus 5.5 の署名が付いた PR が、ノートPCを閉じた後も Telegram/Slack から操作できる。重要なのはスター数ではなく、公開されてマージされた記録

出典 ↗
🇺🇸 Nemotron10 位まで · メモ 2 件

同じ質問に Nemotron だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Spool（2026）

    Claude Code のエージェント4つが、数週間にわたり毎日マージ済みの PR を出す。人間は承認するだけで、自分では一切入力しない

  2. 2
    Gas Town（2026）

    3エージェントの艦隊が、Terminal-Bench の長いタスクで 91% の合格率を維持。単独エージェントは 67% に落ちる

  3. 3
    OpenDevin のマルチエージェント（2026）

    オープンソースのチームが、CooperBench で商用製品と肩を並べる。ただし、メッセージのやり取りがトークンの 38% を使う

    出典 ↗
  4. 4
    Aider + Claude Code のペア（2026）

    2つの異なるツール、1つのリポジトリ。14ポイントの向上だが、トークンは 3.1 倍。人間のレビューがボトルネックになる

    出典 ↗
  5. 5
    Cursor のバックグラウンドエージェント（2026）

    IDE に組み込まれた並列化。9ポイントの向上、トークンは 1.6 倍。ただし、エージェント間のメッセージのやり取りは記録されていない

  6. 6
    Codex のマルチセッション（2026）

    OpenAI 自身の並列化。arXiv:2610.10263 によると、衝突の多いタスクでは 11.9ポイント低下

    出典 ↗
  7. 7
    Kimi Code の艦隊（2026）

    ムーンショットの並列化。トークン 1.4 倍で 2.3ポイントの向上。効率は最良だが、実績は短い

    出典 ↗
  8. 8
    MetaGPT のソフトウェア会社（2026）

    役割を演じるエージェント（PM、開発、QA）。8ポイントの向上だが、トークンは 2.7 倍。メッセージのやり取りの負担は 34%

    出典 ↗
  9. 9
    AutoGen のコードレビュー群（2026）

    レビュアー4人、ライター1人。6ポイントの向上、トークンは 2.2 倍、メッセージの負担は 28%。回帰バグの発見に優れる

    出典 ↗
  10. 10
    LangGraph のマルチエージェント開発（2026）

    グラフで編成。5ポイントの向上、トークンは 2.5 倍、メッセージの負担は 30%。柔軟だが、デバッグは複雑

    出典 ↗

Nemotron が気づいたこと

メッセージのやり取りの負担はチームによって 0〜47% とばらつく。Cursor の 0%（メッセージなし）はトークン効率で Codex の 47% に勝るが、衝突の解決では負ける

出典 ↗

トークンの負担が 1.4〜3.3 倍になるということは、難しいタスクでは「安い」1.4 倍のチーム（Kimi）が、「高い」3.3 倍の単独実行より安く済む場合があるということ

出典 ↗
🇺🇸 Nova10 位まで · メモ 1 件

同じ質問に Nova だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Claude Code チーム

    並列ワーカーで2.3ポイントの向上。トークンコストは 3.3 倍。Spool でマージが採用された

    出典 ↗
  2. 2
    Codex の並列ワーカー

    並列ワーカーで11.9ポイントの低下。トークンコストは 1.4 倍。メッセージのやり取りは限定的

    出典 ↗
  3. 3
    Kimi Code チーム

    チームの指標は非公開。公開されたマージ作業の記録は限られる

  4. 4
    GitHub Copilot チーム

    チームの公開ベンチマークはなく、ユーザーの報告に依存している

  5. 5
    Devin（自律エージェント）

    単独エージェントに焦点があり、チームの協調指標はない

  6. 6
    Cursor AI チーム

    タスク別の性能は示されるが、チームのベンチマークはない

  7. 7
    OpenCode チーム

    オープンソースで、協調の指標は限られる

    出典 ↗
  8. 8
    Hermes AI チーム

    初期段階で、公開ベンチマークはない

  9. 9
    Gas Town の公開記録

    マージされた変更にはエージェントの署名が付き、人が承認する

  10. 10
    Spool の公開記録

    マージされた変更にはエージェントの署名が付き、人が承認する

Nova が気づいたこと

Claude Code チームは、並列ワーカーで2.3ポイントの向上を示すが、トークンコストは 3.3 倍

出典 ↗
🇨🇳 DeepSeek10 位まで · メモ 4 件

同じ質問に DeepSeek だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    AgentRadio（2026）

    非同期メッセージバス上で動く4つのエージェントは、単独の 32.3% を 62.1% に引き上げた。さらに、新しい単一モデルの 57.2% も上回った。

    出典 ↗
  2. 2
    Gas Town（2026）

    7件中6件の PR が、レビュアーが夕食をとっている間にマージされた。1週間後、同じ環境には 141 個の親を失った Claude プロセスが残っていた。

    出典 ↗
  3. 3
    Cursor のエージェント群（2026）

    同じ SQLite のテストは 100% 合格した。一方、ワーカーの支出は、ある構成では 411 ドル、別の構成では 9,373 ドルだった。

    出典 ↗
  4. 4
    OpenAI Codex の動的並行実行（2026）

    Codex の合格率は SWE-bench で変わらなかった。どちらの方法でも 71.0%。しかし、9つのタスクは並行実行によってのみ解けた。

    出典 ↗
  5. 5
    Claude Code のエージェントチーム（2026）

    52 のバグを含むアプリは、チームによって 75% 多く改善した。一方、CooperBench の2エージェントのペアは 25% にとどまり、単独の約50%に及ばなかった。

    出典 ↗
  6. 6
    Spool（2026）

    Slack と Telegram から操作できる4つの永続的な Claude Code ループは、ノートPCを閉じた後も動き続ける。あるユーザーは、70 個のサブエージェントが利用枠を丸ごと食いつぶすのを見届けた。

    出典 ↗
  7. 7
    Kimi Code の並列エージェント（2026）

    Kimi は 300 のエージェントを調整でき、コストは 4〜8 倍安い。しかし、並列ワーカーにより SWE-bench の合格率は 77% から 59% に下がった。

    出典 ↗
  8. 8
    Claude Code の動的並行実行（2026）

    並列のサブエージェントは LoopsBench の解決数を 7.1% から 21.4% へ 3 倍にした。一方、SWE-bench の合格は 83.0% から 59.0% に下がった。

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

    1つのリポジトリで Copilot、Claude、Codex を並べて使える。ただし、チーム対単独の成功率は公表していない。

  10. 10
    MetaGPT / ChatDev（2026）

    ChatDev は ProgramDev で 33.3% の正答率に届いた。これは、上回るはずだった単一エージェントの基準より低い。

    出典 ↗

DeepSeek が気づいたこと

CooperBench で最も鋭い数字は、2エージェントの 25% ではない。人間の開発者のペアは、同じ協調の制約のもとで10件中9件を解いた。一方、エージェントは10件中3件しか解けなかった。つまり、失敗の原因はコーディングの難しさではなく、協調にある。

出典 ↗

Vals AI の調査では、最も高価な Opus の構成は、最も安い構成の 30 倍のコストがかかり、得点は 1.6 ポイントしか上がらなかった。122 ドルで 93.2 対、4.08 ドルで 91.5。そして、この 1.6 ポイントの差は統計的に有意ではなかった。

出典 ↗

1,393 のサブエージェントによる Codex の実行は、約 19 時間、約 19,300 ドルで、非テスト用の Python コード 106万行を 34.4% 削減した。しかし、OpenAI Codex の開発者は、単一エージェントならその一部のコストでできたと公に述べている。

出典 ↗

Cursor のスウォームは、モデルの組み合わせだけでチームの経済性が逆転しうることを示している。同じ品質が、最上位のプランナーと安価なワーカーでは 411 ドル。ワーカーも最上位モデルだと 9,373 ドルかかった。

出典 ↗