Ranking Poly · da tendência do dia

Equipes de agentes de IA vs um agente: top 9 de 2026 · 9 posições

Duas IAs líderes em programação trabalhando em dupla acertam só cerca de 25% das tarefas do CooperBench, e em um teste do Codex, somar subagentes deixou a nota em 71,0%, enquanto os tokens por tarefa resolvida subiram de 7,69M para 24,12M.

  • Nº 1: Gas Town
  • 9 posições

01Lista final

As IAs líderes fizeram, cada uma, a sua lista de dez posições. Acima, um resultado combinado fácil de conferir: cada posição tem um motivo, as IAs que a incluíram e, quando as IAs deram, uma fonte.

Ordem: da maior para a menor concordância entre as IA.

Uma etiqueta forte significa que essa IA pôs o item na sua lista. Uma esmaecida, que não pôs.

  1. 1

    Gas Town

    Roda de 20 a 30 instâncias do Claude Code. Um revisor viu 6 de 7 PRs aprovados em uma noite e, uma semana depois, encontrou 141 processos órfãos. O custo medido por uso ficou perto de US$ 100 por hora.

    Incluíram: Meta, Nemotron, Nova, DeepSeek.

    Nas listas delas: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2

    O que cada IA notou 4
    • Metaposição 2

      20 a 30 instâncias do Claude Code no mesmo código, com um único agente para a fila de mesclagem — o modelo de registro e repasse mais desenvolvido, mas com gasto relatado de US$ 100 por hora em tokens

      Fonte ↗
    • Nemotronposição 2

      Uma frota de três agentes mantém 91% de acerto nas tarefas longas do Terminal-Bench — um agente sozinho cai para 67%

    • Novaposição 9

      Mudanças mescladas assinadas por agentes e aceitas por uma pessoa

    • DeepSeekposição 2

      Seis de sete PRs foram mesclados enquanto o revisor jantava; uma semana depois, a mesma configuração deixou 141 processos órfãos do Claude.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  2. 2

    Enxame de agentes do Cursor

    Todas as configurações reconstruíram o SQLite com 100% de testes aprovados, mas o gasto com os trabalhadores foi de US$ 411 a US$ 9.373, conforme a mistura de modelos, uma diferença de 22 vezes. Não há base de comparação com um agente sozinho.

    Incluíram: Meta, Nemotron, Nova, DeepSeek.

    Nas listas delas: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3

    O que cada IA notou 4
    • Metaposição 6

      O Cursor se sai bem em tarefas de correção: 80,4% contra o trabalho solo — a equipe divide a cota, mas bate no mesmo limite semanal do Claude Max

    • Nemotronposição 5

      Paralelismo nativo do ambiente de programação — ganho de 9 p.p., 1,6× mais tokens, mas sem registro de mensagens entre agentes

    • Novaposição 6

      Desempenho separado por tipo de tarefa, sem testes de equipe

    • DeepSeekposição 3

      O mesmo teste do SQLite passou com 100%, enquanto o gasto com os agentes de trabalho chegou a US$ 411 numa configuração e a US$ 9.373 em outra.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  3. 3

    Subagentes do OpenAI Codex

    Nenhum ganho, por cerca de três vezes o custo. O SWE-bench ficou em 71,0% nos dois casos, enquanto os tokens por tarefa resolvida triplicaram. No Terminal-Bench, US$ 9,01 contra US$ 25,80 por tarefa compraram os mesmos 71,67%.

    Incluíram: Meta, Nemotron, Nova, DeepSeek.

    Nas listas delas: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4

    O que cada IA notou 4
    • Metaposição 4

      O Codex escreve, o Claude revisa — aceitação de 59,6% a 88,6% só com o Codex e 92,3% em documentação com o Claude Code; a dupla assimétrica supera o trabalho solo

      Fonte ↗
    • Nemotronposição 3

      Equipe de código aberto empata com as proprietárias no CooperBench — mas as mensagens consomem 38% dos tokens

      Fonte ↗
    • Novaposição 5

      Foco em um único agente, sem métricas de coordenação de equipe

    • DeepSeekposição 4

      A taxa de acerto do Codex no SWE-bench não mudou — 71,0% nos dois casos —, mas nove tarefas só foram resolvidas com execução simultânea.

      Fonte ↗
    4 IAs colocaram aqui
    Fonte ↗
  4. 4

    Equipes de agentes do Claude Code

    A documentação da Anthropic diz que uma equipe usa cerca de 7 vezes os tokens de uma sessão no modo de planejamento. Um único teste de bug do CircleCI achou ganho maior para a equipe: 17,27 contra 9,87 pontos.

    Incluíram: Meta, Nova, DeepSeek. Não incluíram: Nemotron.

    Nas listas delas: Meta: 3 · Nova: 1 · DeepSeek: 5

    O que cada IA notou 3
    • Metaposição 3

      Janelas isoladas de 1 milhão de tokens para cada membro — sobrecarga de 7 vezes em tokens no modo de planejamento, segundo a documentação da Anthropic, mas mensagens explícitas substituem conflitos às cegas

      Fonte ↗
    • Novaposição 1

      Ganho de 2,3 pontos com agentes em paralelo e custo de 3,3× em tokens; mesclagens aceitas no Spool

      Fonte ↗
    • DeepSeekposição 5

      Um app com 52 bugs melhorou 75% mais com uma equipe, mas as duplas de dois agentes no CooperBench tiveram 25%, contra cerca de 50% sozinhos.

      Fonte ↗
    3 IAs colocaram aqui
    Fonte ↗
  5. 5

    Agentes paralelos do Kimi Code

    Coordena 300 agentes a um custo de 4 a 8 vezes menor que os modelos de ponta, mas um blog relata que trabalhadores em paralelo baixaram a taxa de aprovação dele no SWE-bench de 77% para 59%. Esse número vem de uma única fonte.

    Incluíram: Nemotron, Nova, DeepSeek. Não incluíram: Meta.

    Nas listas delas: Nemotron: 7 · Nova: 3 · DeepSeek: 7

    O que cada IA notou 3
    • Nemotronposição 7

      O paralelismo da Moonshot — ganho de 2,3 p.p. com 1,4× mais tokens; a melhor eficiência, mas com histórico curto

      Fonte ↗
    • Novaposição 3

      Métricas de equipe não divulgadas; pouco registro público de trabalho mesclado

    • DeepSeekposição 7

      O Kimi consegue coordenar 300 agentes e custa de 4 a 8 vezes menos, mas os agentes paralelos fizeram sua taxa de acerto no SWE-bench cair de 77% para 59%.

      Fonte ↗
    3 IAs colocaram aqui
    Fonte ↗
  6. 6

    Subagentes paralelos do Claude Code

    Resultados opostos: as resoluções completas no LoopsBench triplicaram (de 7,1% para 21,4%), mas o SWE-bench Verified caiu de 83,0% para 59,0%. Essa queda é maior que a faixa de 11,9 pontos destacada no estudo, por isso é contestada.

    Incluíram: Nova, DeepSeek. Não incluíram: Meta, Nemotron.

    Nas listas delas: Nova: 2 · DeepSeek: 8

    O que cada IA notou 2
    • Novaposição 2

      Queda de 11,9 pontos com agentes em paralelo e custo de 1,4× em tokens; pouca troca de mensagens

      Fonte ↗
    • DeepSeekposição 8

      Subagentes em paralelo triplicaram as soluções no LoopsBench, de 7,1% para 21,4%, enquanto a taxa de acerto no SWE-bench caiu de 83,0% para 59,0%.

      Fonte ↗
    2 IAs colocaram aqui
    Fonte ↗
  7. 7

    GitHub Copilot Agent HQ

    Roda Copilot, Claude e Codex lado a lado em um mesmo repositório, mas não publica a taxa de sucesso de equipe contra agente sozinho, então não se sabe se a equipe supera um agente.

    Incluíram: Nova, DeepSeek. Não incluíram: Meta, Nemotron.

    Nas listas delas: Nova: 4 · DeepSeek: 9

    O que cada IA notou 2
    • Novaposição 4

      Sem testes públicos de equipe; depende de relatos de usuários

    • DeepSeekposição 9

      Ele põe Copilot, Claude e Codex lado a lado num mesmo repositório, mas não publica a taxa de acerto de equipe contra trabalho solo.

    2 IAs colocaram aqui
    fonte não informada
  8. 8

    MetaGPT / ChatDev

    As equipes antigas de encenação de papéis perdem para um agente: um agente único venceu em 10 problemas e perdeu em 1. O ChatDev atingiu só 33,3% de acertos no ProgramDev.

    Incluíram: Nemotron, DeepSeek. Não incluíram: Meta, Nova.

    Nas listas delas: Nemotron: 8 · DeepSeek: 10

    O que cada IA notou 2
    • Nemotronposição 8

      Agentes que assumem papéis (gerente de produto, desenvolvedor, testes) — ganho de 8 p.p., mas 2,7× mais tokens; 34% de sobrecarga com mensagens

      Fonte ↗
    • DeepSeekposição 10

      O ChatDev chegou a 33,3% de acerto no ProgramDev — abaixo da referência de um único agente que ele deveria superar.

      Fonte ↗
    2 IAs colocaram aqui
    Fonte ↗
  9. 9

    AgentRadio

    O maior ganho medido aqui: quatro agentes em um barramento de mensagens foram de 32,3% sozinhos para 62,1%, superando um modelo único mais novo, com 57,2%. Só uma fonte relata isso.

    Incluíram: DeepSeek. Não incluíram: Meta, Nemotron, Nova.

    Nas listas delas: DeepSeek: 1

    O que cada IA notou 1
    • DeepSeekposição 1

      Quatro agentes num barramento de mensagens assíncrono saltaram de 32,3% sozinhos para 62,1% — e superaram um modelo único mais novo, com 57,2%.

      Fonte ↗
    1 IAs colocaram aqui
    Fonte ↗

Mais sobre os três primeiros ↓

02Mais sobre os três primeiros

O ranking está acima. Aqui há mais sobre os três primeiros lugares: o que são, por que estão aqui e o que vale saber.

Os três não são medidos do mesmo jeito: o Gas Town tem a história de merges de um usuário, o Cursor tem aprovação nos testes do SQLite sem comparação com um agente sozinho, e o Codex tem pontuações no SWE-bench e no Terminal-Bench.

1Gas Town

Nº 1 — Gas Town. Nas listas de 4 de 4 IAs; posição mediana ali: 2. As IAs colocaram em primeiro porque mostrou a forma mais desenvolvida de fazer muitos agentes trabalharem juntos, mesmo com um custo de tokens muito alto.

Você sabia?

  • Quando o texto foi publicado, o código do Gas Town tinha só 3 semanas e era descrito como totalmente "vibe coded". Segundo relatos, ele também exige "experiência em desenvolvimento assistido por IA, estágio 7+", ou seja, não é feito para iniciantes.

    Fonte ↗
O que é
Uma ferramenta que roda de 20 a 30 agentes do Claude Code sobre a mesma base de código.
Seu diferencial
Mostrou trabalho real mesclado: 6 de 7 PRs em uma única noite.
Para quem
Indicado para usuários experientes que podem pagar pelos tokens; não para iniciantes nem para quem precisa de estabilidade.
  • Ganho da equipe versus custo6 de 7 PRs mesclados

Wikipédia · Wikidata

Por que está aqui

  • Um usuário deu 7 tarefas ao Gas Town antes do jantar e voltou para encontrar 6 PRs mesclados. É uma taxa alta de merges para agentes trabalhando juntos, embora uma pessoa ainda precise revisar o trabalho.

    Fonte ↗

  • O mesmo usuário depois encontrou 141 processos órfãos do Claude Code rodando em um MacBook Air de 32GB. Esse é o custo oculto de rodar muitos agentes ao mesmo tempo: trabalho deixado para trás que ninguém pediu.

    Fonte ↗
Você sabia?

  • O Gas Town dá aos seus agentes cargos tirados de um deserto pós-apocalíptico fictício: Mayor, Polecats, Refinery, Witness, Deacon, Dogs e Crew. Ele roda no tmux, é escrito em Go e se apoia em uma ferramenta chamada Beads.

    Fonte ↗
Para ter em mente

  • Um resumo de pesquisa o chama de caótico: o trabalho pode ser descuidado, com bugs corrigidos várias vezes. Não é recomendado para quem quer estabilidade em produção. A mesma fonte diz que usuários intensivos devem reservar de $100–300+/mês.

    Fonte ↗

  • A mesma página diz que o Hacker News está muito dividido sobre valer a pena o gasto com tokens. Ela chama a ferramenta de "sugadora de dinheiro", que exige assinaturas pagas de agentes.

    Fonte ↗
Onde saber mais

  • Abra o README e leia a lista de papéis dos agentes, como o Mayor e os Polecats, para ver quem faz o quê. Depois veja como ele acompanha o trabalho em hooks guardados no git, para entender como os agentes retomam de onde pararam.

    Fonte ↗
Comparar os três primeiros ↓

2Enxame de agentes do Cursor

Nº 2 — Enxame de agentes do Cursor. Nas listas de 4 de 4 IAs; posição mediana ali: 5.5. As IAs colocaram em segundo porque todas as configurações chegaram a 100% de aprovação nos testes, mas os custos variaram muito e não há comparação com um agente sozinho.

Você sabia?

  • O enxame mais antigo acumulou mais de 70.000 conflitos de merge. Um único arquivo teve 7.771 conflitos vindos de 1.173 agentes. No novo desenho, o mesmo arquivo teve 47.

    Fonte ↗
O que é
Uma configuração do Cursor em que agentes planejadores e agentes trabalhadores reconstruíram o SQLite.
Seu diferencial
Todas as configurações passaram em todos os testes, e o novo desenho teve muito menos conflitos de merge.
Para quem
Indicado para equipes curiosas sobre combinações de modelos e custos; não para quem quer uma prova contra um único agente.
  • Ganho da equipe versus custo100% aprovado, $411–$9.373
Por que está aqui

  • O enxame do Cursor reconstruiu o SQLite a partir de um manual. Os enxames de trabalhadores custaram $411 com trabalhadores Composer 2.5 sob um planejador Opus, contra $9.373 com trabalhadores GPT-5.5. O custo depende muito de quais modelos são usados.

    Fonte ↗ ✓ confirmado por várias IAs

  • Depois de quatro horas, o novo enxame passou em 73% a 85% dos testes, enquanto o antigo passou em 11% a 77%. Todas as novas configurações chegaram a 100% no fim. Nas execuções com Opus, o novo enxame usou 4.645 linhas de código, contra 19.013 do antigo.

    Fonte ↗
Você sabia?

  • O enxame do Cursor reconstruiu o SQLite em Rust usando só o manual de 835 páginas. Não tinha código-fonte, nem conjunto de testes, nem acesso à internet. Não sabia que existia o benchmark sqllogictest, com milhões de consultas SQL.

    Fonte ↗
História

  • No começo de 2026, o primeiro desenho do Cursor para construir um navegador fracassou: 20 agentes desaceleraram até a velocidade de 2 ou 3, principalmente esperando uns pelos outros. Trocar para planejadores, trabalhadores e um juiz resolveu o problema.

    Fonte ↗
Para ter em mente

  • O Cursor diz que avaliou as execuções individuais de ponta só de forma informal, então não tira conclusões sobre a qualidade delas. Ou seja, não existe uma comparação justa com um agente sozinho.

    Fonte ↗
O que as pessoas dizem

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

    Fonte ↗
Onde saber mais

  • Leia o post para ver como os agentes planejadores e trabalhadores dividem o trabalho. Depois encontre a tabela de combinações de modelos e compare o custo de cada execução, para entender como o mesmo resultado pode custar valores muito diferentes.

    Fonte ↗
Comparar os três primeiros ↓

3Subagentes do OpenAI Codex

Nº 3 — Subagentes do OpenAI Codex. Nas listas de 4 de 4 IAs; posição mediana ali: 4. As IAs colocaram em terceiro porque os subagentes não trouxeram ganho de pontuação e custaram cerca de três vezes mais tokens.

Você sabia?

  • Os subagentes do Codex têm limite por padrão. Seis threads podem ficar abertas ao mesmo tempo, e um subagente não pode criar os próprios subagentes, porque max_depth começa em 1. Cada agente personalizado é só um pequeno arquivo TOML.

    Fonte ↗
O que é
Subagentes auxiliares embutidos no agente de programação Codex, da OpenAI.
Seu diferencial
Dá controle claro: threads limitadas, profundidade restrita e subagentes só quando você pede.
Para quem
Indicado para quem quer testar subagentes com cuidado; não para quem espera uma pontuação melhor.
  • Ganho da equipe versus custo71,0% nos dois casos, 3x tokens
Você sabia?

  • Os subagentes do Codex conversam só de pai para filho, não de igual para igual. Desde o lançamento do multi-agent v2, em março de 2026, eles recebem endereços no estilo de caminho, como /root/agent_a.

    Fonte ↗
História

  • Em 16 de março de 2026, os subagentes do Codex saíram da prévia atrás de feature flag e ficaram disponíveis para todos, depois de várias semanas de testes atrás dessa flag.

    Fonte ↗
Para ter em mente

  • A própria documentação da OpenAI diz que fluxos com subagentes consomem mais tokens do que execuções comparáveis com um único agente. Cada subagente faz o próprio trabalho de modelo e de ferramentas.

    Fonte ↗

  • O Codex só cria subagentes quando você pede diretamente, ou quando as instruções do projeto ou da skill pedem. Na maioria dos níveis de inteligência, você mesmo precisa pedir, então o custo extra é uma escolha sua.

    Fonte ↗
Onde saber mais

  • Leia a página sobre como os subagentes começam e quantos podem rodar ao mesmo tempo. Depois veja as configurações do limite de threads e da profundidade de aninhamento, que controlam quantos trabalhadores paralelos você paga.

    Fonte ↗
Comparar os três primeiros ↓

Os três primeiros lado a lado

Gas TownEnxame de agentes do CursorSubagentes do OpenAI Codex
Nas listas das IAs4 / 44 / 44 / 4
Ganho da equipe versus custo6 de 7 PRs mesclados100% aprovado, $411–$9.37371,0% nos dois casos, 3x tokens
Primeiro para———

Posições com o mesmo número de IAs são ordenadas pela posição média nas listas das IAs.

Mais rankings

03Vale a pena saber

O que as IAs perceberam ao montar a lista.

No CooperBench, os agentes gastaram de 15% a 20% do orçamento de tokens trocando mensagens entre si. Isso reduziu os conflitos de merge em cerca de 30%, mas não aumentou a conclusão das funcionalidades.

Perceberam:
Incluíram: Nova, DeepSeek. Não incluíram: Meta, Nemotron.
Fonte ↗

Duplas de desenvolvedores humanos resolveram 9 de 10 tarefas do CooperBench sob as mesmas regras em que os agentes resolveram 3 de 10. A falha está na coordenação, não na dificuldade da programação.

Perceberam:
Incluíram: DeepSeek. Não incluíram: Meta, Nemotron, Nova.
Fonte ↗

Uma execução do Codex com 1.393 subagentes custou cerca de US$ 19.300 em aproximadamente 19 horas. Um desenvolvedor do OpenAI Codex disse depois que mais de dois agentes em paralelo quase certamente queimam tokens sem ganho de qualidade.

Perceberam:
Incluíram: Meta, DeepSeek. Não incluíram: Nemotron, Nova.
Fonte ↗

A Vals AI constatou que a configuração de equipe Opus mais cara custou 30 vezes a mais que a mais barata (US$ 122 contra US$ 4,08) por um ganho de 1,6 ponto (93,2 contra 91,5), que não foi estatisticamente significativo.

Perceberam:
Incluíram: DeepSeek. Não incluíram: Meta, Nemotron, Nova.
Fonte ↗

A queda do CooperBench aparece citada de duas formas: cerca de 50% abaixo do agente solo (25% de sucesso absoluto) e 'queda média de pelo menos 30%' no resumo. São bases de comparação diferentes, não o mesmo número.

Perceberam:
Incluíram: Meta, DeepSeek. Não incluíram: Nemotron, Nova.
Fonte ↗

04O que as pessoas perguntam

o que é um agente de programação com IA

Um agente de programação com IA é uma ferramenta guiada por modelo que lê um repositório, edita arquivos, roda testes e repete o processo até atingir um objetivo. Quando o CooperBench juntou dois deles em 652 tarefas, eles acertaram só cerca de 25% das vezes.

Fonte ↗
como os agentes de programação com IA funcionam

Eles repetem em ciclo: planejam, editam, rodam testes e tentam de novo. Com subagentes em paralelo ligados, o uso de tokens sobe para 1,41–3,31 vez o da execução sequencial, porque cada subagente carrega o próprio contexto.

Fonte ↗
agentes de IA conseguem trabalhar juntos

Conseguem, mas ainda não bem. Equipes de dois agentes marcaram cerca de 25% no CooperBench, mais ou menos a metade de um agente único que recebe as duas funcionalidades. Alguns resumos falam em queda de 30% porque usam outra base de comparação.

Fonte ↗
como agentes de IA trabalham juntos

Eles dividem listas de tarefas, trocam mensagens e mesclam branches. O Gas Town coordena de 20 a 30 instâncias do Claude Code por meio de um registro baseado em git e de uma única fila de merge.

Fonte ↗

05Como contamos

Em palavras simples, sem fórmulas.

1A pergunta

As 10 melhores equipes de agentes de programação com IA, por terem ou não superado um agente trabalhando sozinho

2Por que este tema

Ele coloca lado a lado um teste de cooperação, um estudo de custo em tokens e registros reais de trabalho mesclado, para que o leitor veja quando uma equipe de agentes realmente supera um agente e quando ela quase só acrescenta conversa.

3Onde se aplica

global, engenharia de software com IA

4O que analisamos

  • Taxa de sucesso da equipe em tarefas de programação cooperativa, ao lado de um agente sozinho com a mesma carga total de trabalho
  • Variação na taxa de aprovação ao acrescentar trabalhadores em paralelo, comparada com os tokens extras que eles usam
  • Parcela do orçamento gasta com agentes trocando mensagens em vez de escrever código
  • Se a configuração roda por dias com uma pessoa aprovando cada mudança, avaliado pelo registro público de trabalho mesclado e assinado pelos agentes
  • CooperBench (Universidade Stanford e SAP Labs US) — Sucesso de dois agentes em 652 tarefas cooperativas de programação em 12 bibliotecas de código aberto, contra um agente com as duas funcionalidades; parcela de tokens gasta em m
  • Estudo sobre subagentes paralelos, arXiv 2610.10263 (Codex, Claude Code, Kimi Code) — Variação na taxa de aprovação com trabalhadores em paralelo ligados (queda de 11,9 pontos a ganho de 2,3 pontos) e uso de tokens (1,41–3,31x o sequenti
  • Documentação da Anthropic sobre equipes de agentes do Claude Code — A própria descrição do fabricante sobre o uso de tokens da equipe, comparado com uma sessão
  • Registros de repositórios públicos no GitHub (Gas Town, Spool) — Mudanças assinadas por agentes e mescladas por uma pessoa, separadas das contagens de estrelas

5Quem classificou

As IAs líderes: Meta, Nemotron, Nova, DeepSeek. Cada uma montou sua própria lista de dez de forma independente e indicou uma fonte para cada posição.

6Como as posições foram definidas

O mesmo item escrito de formas diferentes por IAs diferentes foi contado como um só. Quanto mais IAs o colocaram na lista, e quanto mais alto, mais alta a posição. "Acordo das IAs" mostra quantas IAs tinham o item na própria lista. As fontes são apenas as que as próprias IAs encontraram; nada foi acrescentado à mão.

06A lista de cada IA

🇺🇸 Meta10 posições · 3 notas

A mesma pergunta, respondida só por Meta. A lista final acima combina todas as IAs.

  1. 1
    Spool (enes-alatas/spool)

    Quatro loops do Claude escreveram a própria fábrica por dias — PRs assinados com Co-Authored-By: Claude Opus 5.5 e mesclados após conversas no Telegram/Slack

    Fonte ↗
  2. 2
    Gas Town

    20 a 30 instâncias do Claude Code no mesmo código, com um único agente para a fila de mesclagem — o modelo de registro e repasse mais desenvolvido, mas com gasto relatado de US$ 100 por hora em tokens

    Fonte ↗
  3. 3
    Equipes de agentes do Claude Code (nativo da Anthropic)

    Janelas isoladas de 1 milhão de tokens para cada membro — sobrecarga de 7 vezes em tokens no modo de planejamento, segundo a documentação da Anthropic, mas mensagens explícitas substituem conflitos às cegas

    Fonte ↗
  4. 4
    Dupla adversarial OpenAI Codex + Claude Code

    O Codex escreve, o Claude revisa — aceitação de 59,6% a 88,6% só com o Codex e 92,3% em documentação com o Claude Code; a dupla assimétrica supera o trabalho solo

    Fonte ↗
  5. 5
    Agentes paralelos do Codex com git worktree

    Dois agentes em paralelo é o limite — além disso, conta 2,86 vezes maior para os mesmos 71,67% no Terminal-Bench 4.0

  6. 6
    Equipes de agentes do Cursor

    O Cursor se sai bem em tarefas de correção: 80,4% contra o trabalho solo — a equipe divide a cota, mas bate no mesmo limite semanal do Claude Max

  7. 7
    Factory / Droid (factory.ai)

    Frota comercial que abrange linha de comando, desktop, computadores remotos e GitHub Actions — padrão de fábrica que inspirou o Refinery do Gas Town

  8. 8
    Omnigent (meta-arcabouço da Databricks)

    Meta-arcabouço que mistura Claude Code, Codex e outros — mede o sucesso em 12 bibliotecas de código aberto, como as 652 tarefas do CooperBench

    Fonte ↗
  9. 9
    Beads + registro Shipmates

    O Beads é um rastreador, o Gas Town é uma fábrica — memória persistente mais um canal de líder e equipe para aprovação humana

    Fonte ↗
  10. 10
    Referência genérica de dois agentes (CooperBench: sozinho vs. em dupla)

    Maldição da coordenação — 25% de sucesso quando dois agentes colaboram, cerca de 50% menos do que um agente fazendo as duas tarefas sozinho

    Fonte ↗

O que Meta percebeu

O CooperBench mostra a maldição da coordenação: 25% de sucesso em equipe contra cerca de 50% sozinho, em 652 tarefas de 12 bibliotecas — queda média de cerca de 30%, ligada à comunicação ruim

Fonte ↗

O custo do paralelismo é real: adicionar agentes muda a taxa de acerto em -11,9 a +2,3 pontos, enquanto os tokens se multiplicam de 1,4 a 3,3 vezes; uma execução do Terminal-Bench mostrou conta 2,86 vezes maior para os mesmos 71,67%

Fonte ↗

A prova do Spool: quatro loops seguem construindo o próprio Spool por dias, com PRs assinados com Co-Authored-By: Claude Opus 5.5, acessíveis pelo Telegram/Slack depois que o notebook é fechado — o registro público de mesclagens, não a contagem de estrelas

Fonte ↗
🇺🇸 Nemotron10 posições · 2 notas

A mesma pergunta, respondida só por Nemotron. A lista final acima combina todas as IAs.

  1. 1
    Spool (2026)

    Quatro agentes do Claude Code entregam PRs mesclados todos os dias, por semanas — o humano só aprova, nunca digita

  2. 2
    Gas Town (2026)

    Uma frota de três agentes mantém 91% de acerto nas tarefas longas do Terminal-Bench — um agente sozinho cai para 67%

  3. 3
    OpenDevin com múltiplos agentes (2026)

    Equipe de código aberto empata com as proprietárias no CooperBench — mas as mensagens consomem 38% dos tokens

    Fonte ↗
  4. 4
    Aider + dupla Claude Code (2026)

    Duas ferramentas diferentes, um repositório — ganho de 14 p.p., mas 3,1× mais tokens; a revisão humana vira gargalo

    Fonte ↗
  5. 5
    Agentes em segundo plano do Cursor (2026)

    Paralelismo nativo do ambiente de programação — ganho de 9 p.p., 1,6× mais tokens, mas sem registro de mensagens entre agentes

  6. 6
    Codex com múltiplas sessões (2026)

    O paralelismo da própria OpenAI — queda de 11,9 p.p. em tarefas com muitos conflitos, segundo arXiv:2610.10263

    Fonte ↗
  7. 7
    Frota Kimi Code (2026)

    O paralelismo da Moonshot — ganho de 2,3 p.p. com 1,4× mais tokens; a melhor eficiência, mas com histórico curto

    Fonte ↗
  8. 8
    Empresa de software MetaGPT (2026)

    Agentes que assumem papéis (gerente de produto, desenvolvedor, testes) — ganho de 8 p.p., mas 2,7× mais tokens; 34% de sobrecarga com mensagens

    Fonte ↗
  9. 9
    Enxame de revisão de código do AutoGen (2026)

    Quatro revisores, um redator — ganho de 6 p.p., 2,2× mais tokens, 28% com mensagens; se destaca em pegar regressões

    Fonte ↗
  10. 10
    Desenvolvimento multiagente com LangGraph (2026)

    Orquestrado por grafo — ganho de 5 p.p., 2,5× mais tokens, 30% com mensagens; flexível, mas difícil de depurar

    Fonte ↗

O que Nemotron percebeu

A sobrecarga de mensagens varia de 0 a 47% entre as equipes — os 0% do Cursor (sem mensagens) superam os 47% do Codex em eficiência de tokens, mas perdem na resolução de conflitos

Fonte ↗

A sobrecarga de tokens de 1,4 a 3,3× significa que uma equipe 'barata' de 1,4× (Kimi) pode custar menos que uma execução solo 'cara' de 3,3× em tarefas difíceis

Fonte ↗
🇺🇸 Nova10 posições · 1 notas

A mesma pergunta, respondida só por Nova. A lista final acima combina todas as IAs.

  1. 1
    Equipes do Claude Code

    Ganho de 2,3 pontos com agentes em paralelo e custo de 3,3× em tokens; mesclagens aceitas no Spool

    Fonte ↗
  2. 2
    Agentes paralelos do Codex

    Queda de 11,9 pontos com agentes em paralelo e custo de 1,4× em tokens; pouca troca de mensagens

    Fonte ↗
  3. 3
    Equipes do Kimi Code

    Métricas de equipe não divulgadas; pouco registro público de trabalho mesclado

  4. 4
    Equipes do GitHub Copilot

    Sem testes públicos de equipe; depende de relatos de usuários

  5. 5
    Agente autônomo Devin

    Foco em um único agente, sem métricas de coordenação de equipe

  6. 6
    Equipes de IA do Cursor

    Desempenho separado por tipo de tarefa, sem testes de equipe

  7. 7
    Equipes do OpenCode

    Código aberto, poucas métricas de coordenação

    Fonte ↗
  8. 8
    Equipes de IA do Hermes

    Fase inicial, sem testes públicos

  9. 9
    Registro público do Gas Town

    Mudanças mescladas assinadas por agentes e aceitas por uma pessoa

  10. 10
    Registro público do Spool

    Mudanças mescladas assinadas por agentes e aceitas por uma pessoa

O que Nova percebeu

As equipes do Claude Code mostram ganho de 2,3 pontos com agentes em paralelo, mas com custo de 3,3× em tokens

Fonte ↗
🇨🇳 DeepSeek10 posições · 4 notas

A mesma pergunta, respondida só por DeepSeek. A lista final acima combina todas as IAs.

  1. 1
    AgentRadio (2026)

    Quatro agentes num barramento de mensagens assíncrono saltaram de 32,3% sozinhos para 62,1% — e superaram um modelo único mais novo, com 57,2%.

    Fonte ↗
  2. 2
    Gas Town (2026)

    Seis de sete PRs foram mesclados enquanto o revisor jantava; uma semana depois, a mesma configuração deixou 141 processos órfãos do Claude.

    Fonte ↗
  3. 3
    Enxame de agentes do Cursor (2026)

    O mesmo teste do SQLite passou com 100%, enquanto o gasto com os agentes de trabalho chegou a US$ 411 numa configuração e a US$ 9.373 em outra.

    Fonte ↗
  4. 4
    Execução simultânea dinâmica do OpenAI Codex (2026)

    A taxa de acerto do Codex no SWE-bench não mudou — 71,0% nos dois casos —, mas nove tarefas só foram resolvidas com execução simultânea.

    Fonte ↗
  5. 5
    Equipes de agentes do Claude Code (2026)

    Um app com 52 bugs melhorou 75% mais com uma equipe, mas as duplas de dois agentes no CooperBench tiveram 25%, contra cerca de 50% sozinhos.

    Fonte ↗
  6. 6
    Spool (2026)

    Quatro loops persistentes do Claude Code, acessíveis pelo Slack e pelo Telegram, seguem trabalhando depois que o notebook é fechado — e um usuário viu 70 subagentes consumirem toda a cota.

    Fonte ↗
  7. 7
    Agentes paralelos do Kimi Code (2026)

    O Kimi consegue coordenar 300 agentes e custa de 4 a 8 vezes menos, mas os agentes paralelos fizeram sua taxa de acerto no SWE-bench cair de 77% para 59%.

    Fonte ↗
  8. 8
    Execução simultânea dinâmica do Claude Code (2026)

    Subagentes em paralelo triplicaram as soluções no LoopsBench, de 7,1% para 21,4%, enquanto a taxa de acerto no SWE-bench caiu de 83,0% para 59,0%.

    Fonte ↗
  9. 9
    Central de agentes do GitHub Copilot (2026)

    Ele põe Copilot, Claude e Codex lado a lado num mesmo repositório, mas não publica a taxa de acerto de equipe contra trabalho solo.

  10. 10
    MetaGPT / ChatDev (2026)

    O ChatDev chegou a 33,3% de acerto no ProgramDev — abaixo da referência de um único agente que ele deveria superar.

    Fonte ↗

O que DeepSeek percebeu

O número mais forte do CooperBench não é o de 25% das duplas de agentes: duplas de desenvolvedores humanos resolveram 9 de 10 tarefas sob as mesmas restrições de coordenação, que os agentes resolveram só 3 de 10. Ou seja, a falha está na coordenação, não na dificuldade de programar.

Fonte ↗

A Vals AI constatou que a configuração mais cara do Opus custou 30 vezes mais que a mais barata, ganhando 1,6 ponto — US$ 122 e 93,2 contra US$ 4,08 e 91,5 —, e que essa diferença de 1,6 ponto não era estatisticamente significativa.

Fonte ↗

Uma execução do Codex com 1.393 subagentes refatorou 1,06 milhão de linhas de Python fora dos testes, reduzindo-as em 34,4%, em cerca de 19 horas e por aproximadamente US$ 19.300. Mas um desenvolvedor da OpenAI que trabalha com o Codex disse publicamente que um único agente faria o mesmo por uma fração do custo.

Fonte ↗

O enxame do Cursor mostra que a economia de uma equipe pode mudar só com a mistura de modelos: a mesma qualidade custou US$ 411 com um planejador de ponta e agentes de trabalho baratos, contra US$ 9.373 quando os agentes de trabalho também eram modelos de ponta.

Fonte ↗