Рейтинг Poly · из тренда дня

Команда ИИ-агентов для программирования против одного · 9 мест

Два ведущих ИИ-агента для программирования, работающие в паре, справляются лишь примерно с 25% задач CooperBench. В одном тесте Codex добавление субагентов оставило результат без изменений: 71,0%, при этом токенов на решённую задачу стало больше — с 7,69 млн до 24,12 млн.

  • №1: Gas Town
  • 9 мест

01Итоговый список

Ведущие ИИ независимо составили свои списки из десяти мест. Сверху — один итог, который легко проверить: у каждого места есть причина, список ИИ, которые его включили, и источник, если ИИ его дали.

Порядок: от большего согласия ИИ к меньшему.

Яркая плашка — этот ИИ включил пункт в свой список. Тусклая — не включил.

  1. 1

    Gas Town

    Запускает 20–30 экземпляров Claude Code. Один ревьюер за вечер получил 6 из 7 слитых изменений, а неделю спустя нашёл 141 зависший процесс. По счётчику расход составил около 100 долларов в час.

    Включили: Meta, Nemotron, Nova, DeepSeek.

    В их списках: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2

    Что отметил каждый ИИ 4
    • Metaместо 2

      20–30 экземпляров Claude Code работают над одним кодом под управлением одного агента очереди слияний. Модель учёта и передачи задач здесь самая продуманная, но, по сообщениям, токены сгорают на $100 в час

      Источник ↗
    • Nemotronместо 2

      Парк из трёх агентов держит 91% успешных решений в длинных задачах Terminal-Bench, а одиночный агент падает до 67%

    • Novaместо 9

      Слитые изменения подписаны агентами и приняты человеком

    • DeepSeekместо 2

      Шесть из семи PR слились, пока рецензент ужинал. Неделю спустя та же установка оставила 141 осиротевший процесс Claude.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  2. 2

    Рой агентов Cursor

    Каждая конфигурация пересобрала SQLite с 100% прохождением тестов. Но расходы исполнителей составили от 411 до 9 373 долларов в зависимости от набора моделей — разница в 22 раза. Результата одного агента для сравнения нет.

    Включили: Meta, Nemotron, Nova, DeepSeek.

    В их списках: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3

    Что отметил каждый ИИ 4
    • Metaместо 6

      Cursor лучше справляется с исправлениями: 80,4% против работы в одиночку. Командный режим делит лимит, но упирается в тот же недельный потолок, что и Claude Max

    • Nemotronместо 5

      Параллельность внутри среды разработки: прирост на 9 пунктов, токенов в 1,6 раза больше, но переписки между агентами не зафиксировано

    • Novaместо 6

      Результаты разбиты по типам задач, командных тестов нет

    • DeepSeekместо 3

      Один и тот же тест SQLite прошёл на 100%, а расходы исполнителей составили $411 в одной конфигурации и $9 373 в другой.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  3. 3

    Субагенты OpenAI Codex

    Без прироста при стоимости примерно втрое выше. На SWE-bench результат остался 71,0% в обоих случаях, а токенов на решённую задачу стало втрое больше. На Terminal-Bench 9,01 доллара против 25,80 доллара за задачу принесли одинаковые 71,67%.

    Включили: Meta, Nemotron, Nova, DeepSeek.

    В их списках: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4

    Что отметил каждый ИИ 4
    • Metaместо 4

      Codex пишет, Claude проверяет: 59,6–88,6% принятых правок у одного Codex и 92,3% для документации у Claude Code. Парная работа с разными ролями побеждает работу в одиночку

      Источник ↗
    • Nemotronместо 3

      Открытая команда не уступает закрытым решениям в CooperBench, но переписка съедает 38% токенов

      Источник ↗
    • Novaместо 5

      Упор на одного агента, показателей координации команды нет

    • DeepSeekместо 4

      Доля успешных решений у Codex в SWE-bench не изменилась: 71,0% в обоих случаях. Но девять задач решались только при параллельной работе.

      Источник ↗
    4 ИИ поставили сюда
    Источник ↗
  4. 4

    Команды агентов Claude Code

    Документация Антропик говорит, что в режиме планирования команда тратит примерно в 7 раз больше токенов, чем одна сессия. Один тест на ошибку CircleCI показал, что выигрыш команды больше: 17,27 пункта против 9,87.

    Включили: Meta, Nova, DeepSeek. Не включили: Nemotron.

    В их списках: Meta: 3 · Nova: 1 · DeepSeek: 5

    Что отметил каждый ИИ 3
    • Metaместо 3

      Для каждого участника команды — отдельное окно на 1 млн токенов. По документации Антропик, в режиме плана токенов уходит в 7 раз больше, но явная переписка заменяет слепые конфликты

      Источник ↗
    • Novaместо 1

      Прирост на 2,3 пункта от параллельных исполнителей при расходе токенов в 3,3 раза; в Spool слияния приняты

      Источник ↗
    • DeepSeekместо 5

      Приложение с 52 багами улучшилось на 75% сильнее с командой. Но пары агентов CooperBench набрали 25% против ~50% у одиночек.

      Источник ↗
    3 ИИ поставили сюда
    Источник ↗
  5. 5

    Параллельные агенты Kimi Code

    Координирует 300 агентов при стоимости в 4–8 раз ниже, чем у передовых моделей. Но один блог сообщает, что параллельные исполнители снизили долю прохождения SWE-bench с 77% до 59%. Эта цифра — из одного источника.

    Включили: Nemotron, Nova, DeepSeek. Не включили: Meta.

    В их списках: Nemotron: 7 · Nova: 3 · DeepSeek: 7

    Что отметил каждый ИИ 3
    • Nemotronместо 7

      Параллельность Moonshot: прирост 2,3 пункта при 1,4-кратном расходе токенов. Лучшая эффективность, но короткая история

      Источник ↗
    • Novaместо 3

      Командные показатели не опубликованы, открытых записей о слитых работах мало

    • DeepSeekместо 7

      Kimi может координировать 300 агентов и стоит в 4–8 раз дешевле, но параллельные исполнители снизили её долю успешных решений в SWE-bench с 77% до 59%.

      Источник ↗
    3 ИИ поставили сюда
    Источник ↗
  6. 6

    Параллельные субагенты Claude Code

    Результаты противоположные: в LoopsBench полное решение задач выросло втрое (с 7,1% до 21,4%), а на SWE-bench Verified упало с 83,0% до 59,0%. Это падение больше заявленного в исследовании диапазона в 11,9 пункта, поэтому результат оспаривается.

    Включили: Nova, DeepSeek. Не включили: Meta, Nemotron.

    В их списках: Nova: 2 · DeepSeek: 8

    Что отметил каждый ИИ 2
    • Novaместо 2

      Падение на 11,9 пункта от параллельных исполнителей при расходе токенов в 1,4 раза; переписка ограничена

      Источник ↗
    • DeepSeekместо 8

      Параллельные субагенты утроили решения в LoopsBench, с 7,1% до 21,4%, а доля успешных в SWE-bench упала с 83,0% до 59,0%.

      Источник ↗
    2 ИИ поставили сюда
    Источник ↗
  7. 7

    GitHub Copilot Agent HQ

    Работает с Copilot, Claude и Codex бок о бок в одном репозитории, но не публикует долю успешных решений команды против одного агента. Поэтому неизвестно, обгоняет ли команда одного агента.

    Включили: Nova, DeepSeek. Не включили: Meta, Nemotron.

    В их списках: Nova: 4 · DeepSeek: 9

    Что отметил каждый ИИ 2
    • Novaместо 4

      Публичных командных тестов нет, есть только отзывы пользователей

    • DeepSeekместо 9

      Система ставит Copilot, Claude и Codex рядом в одном репозитории, но не публикует долю успешных решений командой против одиночки.

    2 ИИ поставили сюда
    источник не указан
  8. 8

    MetaGPT / ChatDev

    Старые командные схемы с ролевыми играми проигрывают одному агенту: он обыграл их в 10 задачах и проиграл в 1. ChatDev достиг лишь 33,3% правильных ответов на ProgramDev.

    Включили: Nemotron, DeepSeek. Не включили: Meta, Nova.

    В их списках: Nemotron: 8 · DeepSeek: 10

    Что отметил каждый ИИ 2
    • Nemotronместо 8

      Агенты с ролями (менеджер продукта, разработчик, тестировщик): прирост 8 пунктов, но токенов в 2,7 раза больше; 34% накладных расходов на переписку

      Источник ↗
    • DeepSeekместо 10

      ChatDev достиг 33,3% правильных решений в ProgramDev, что ниже базового уровня одного агента, который он должен был обойти.

      Источник ↗
    2 ИИ поставили сюда
    Источник ↗
  9. 9

    AgentRadio

    Самый заметный измеренный выигрыш здесь: четыре агента, которые общаются через общую шину сообщений, выросли с 32,3% в одиночку до 62,1%. Это обогнало более новую одиночную модель с 57,2%. Об этом сообщает только один источник.

    Включили: DeepSeek. Не включили: Meta, Nemotron, Nova.

    В их списках: DeepSeek: 1

    Что отметил каждый ИИ 1
    • DeepSeekместо 1

      Четыре агента на асинхронной шине сообщений подняли результат с 32,3% у одиночного запуска до 62,1%, и обошли более новую одиночную модель с 57,2%.

      Источник ↗
    1 ИИ поставили сюда
    Источник ↗

Тройка подробно ↓

02Подробнее о тройке

Рейтинг выше. Здесь — подробнее о первых трёх местах: что это, почему они здесь и что стоит знать.

Три продукта измеряют по-разному: у Gas Town есть история слияний пользователя, у Курсора — прохождение тестов SQLite без базового замера для одного агента, а у Codex — оценки SWE-bench и Terminal-Bench.

1Gas Town

№ 1 — Gas Town. В списках у 4 из 4 ИИ; медианное место там: 2. ИИ поставили его первым: он показал самый развитый способ запускать много агентов вместе, хотя стоимость токенов очень высока.

А вы знали

  • Когда вышел разбор, код Gas Town был всего 3 недели, и его описывали как полностью написанный методом «vibe coding». Также, по сообщениям, для работы нужен «опыт разработки с ИИ уровня Stage 7+», так что он не для новичков.

    Источник ↗
Что это
Инструмент, который запускает 20–30 агентов Claude Code над одной кодовой базой.
Чем сильнее
Показала реальную работу: 6 из 7 пулл-реквестов слиты за один вечер.
Кому подходит
Подходит опытным пользователям, которые могут платить за токены; не новичкам и тем, кому нужна стабильность.
  • Выигрыш команды против стоимостиСлито 6 из 7 изменений

Википедия · Wikidata

Почему он здесь

  • Один пользователь дал Gas Town 7 задач перед ужином и вернулся, а 6 пулл-реквестов уже были слиты. Для агентов, работающих вместе, это высокая доля слияний, хотя проверять работу всё равно приходилось человеку.

    Источник ↗

  • Тот же пользователь позже обнаружил 141 осиротевший процесс Claude Code, оставшийся работать на MacBook Air с 32 ГБ памяти. Это скрытая цена одновременной работы многих агентов: остаточная работа, о которой никто не просил.

    Источник ↗
А вы знали

  • Gas Town даёт своим агентам должности из вымышленной пустоши: Mayor, Polecats, Refinery, Witness, Deacon, Dogs и Crew. Работает на tmux, написан на Go и опирается на инструмент Beads.

    Источник ↗
Что важно учесть

  • Исследовательский обзор называет его хаотичным: работа может быть небрежной, одни и те же баги исправляют по нескольку раз. Его не рекомендуют тем, кому нужна стабильность в продакшене. Там же сказано, что интенсивным пользователям стоит закладывать $100–300+ в месяц.

    Источник ↗

  • На той же странице сказано, что на Hacker News мнения резко расходятся о том, стоят ли токены своих денег. Инструмент называют «пожирателем денег», которому нужны платные подписки на агентов.

    Источник ↗
Где узнать больше

  • Откройте README и прочитайте список ролей агентов, например Mayor и Polecats, чтобы понять, кто что делает. Затем посмотрите, как инструмент отслеживает работу через хуки на основе git, чтобы понять, как агенты подхватывают работу с того места, где остановились.

    Источник ↗
Сравнить первую тройку ↓

2Рой агентов Cursor

№ 2 — Рой агентов Cursor. В списках у 4 из 4 ИИ; медианное место там: 5.5. ИИ поставили его вторым: все варианты дошли до 100% пройденных тестов, но стоимость сильно разнилась, а одиночного сравнения нет.

А вы знали

  • Старый рой накопил более 70 000 конфликтов слияния. Один только файл имел 7 771 конфликт от 1 173 агентов. В новой схеме у того же файла было 47.

    Источник ↗
Что это
Настройка Курсора, где агенты-планировщики и агенты-исполнители пересобрали SQLite.
Чем сильнее
Все варианты прошли все тесты, а в новой схеме конфликтов слияния стало заметно меньше.
Кому подходит
Подходит командам, которым интересны сочетания моделей и их стоимость; не тем, кто хочет доказательств против одного агента.
  • Выигрыш команды против стоимости100% тестов, $411–$9 373
Почему он здесь

  • Рой Курсора пересобрал SQLite по руководству. Рабочие группы стоили $411 с исполнителями Composer 2.5 под планировщиком Opus, против $9 373 с исполнителями GPT-5.5. Стоимость сильно зависит от того, какие модели используются.

    Источник ↗ ✓ подтверждено несколькими ИИ

  • Через четыре часа новый рой проходил от 73 до 85 процентов тестов, а старый — от 11 до 77 процентов. Каждый новый вариант в итоге дошёл до 100 процентов. В запусках с Opus новый рой использовал 4 645 строк кода против 19 013 у старого.

    Источник ↗
А вы знали

  • Рой Курсора написал SQLite на Rust, используя только 835-страничное руководство. У него не было исходного кода, набора тестов и интернета. Он не знал, что существует бенчмарк sqllogictest с миллионами SQL-запросов.

    Источник ↗
История

  • В начале 2026 года первый проект Курсора по созданию браузера провалился: 20 агентов замедлились до скорости 2 или 3, в основном ожидая друг друга. Исправило дело разделение на планировщиков, исполнителей и судью.

    Источник ↗
Что важно учесть

  • Курсор говорит, что оценивал одиночные запуски на переднем крае лишь неформально, поэтому не делает выводов об их качестве. Честного сравнения с одним агентом нет.

    Источник ↗
Что говорят люди

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

    Источник ↗
Где узнать больше

  • Прочитайте пост, чтобы увидеть, как агенты-планировщики и агенты-исполнители делят работу. Затем найдите таблицу сочетаний моделей и сравните стоимость каждого запуска, чтобы увидеть, как один и тот же результат может стоить очень по-разному.

    Источник ↗
Сравнить первую тройку ↓

3Субагенты OpenAI Codex

№ 3 — Субагенты OpenAI Codex. В списках у 4 из 4 ИИ; медианное место там: 4. ИИ поставили его третьим: субагенты не дали прироста баллов, а тратили примерно в три раза больше токенов.

А вы знали

  • Субагенты Codex по умолчанию ограничены. Одновременно можно открыть шесть потоков, а субагент не может запускать собственных субагентов, потому что max_depth по умолчанию равен 1. Каждый пользовательский агент — это небольшой TOML-файл.

    Источник ↗
Что это
Встроенные в агент для программирования Codex от OpenAI субагенты-помощники.
Чем сильнее
Даёт понятный контроль: ограниченное число потоков, ограниченная глубина и субагенты только по вашему запросу.
Кому подходит
Подходит тем, кто аккуратно проверяет субагентов; не тем, кто надеется на лучший балл.
  • Выигрыш команды против стоимости71,0% в обоих, токенов ×3
А вы знали

  • Субагенты Codex общаются только по схеме родитель–потомок, а не между равными. Начиная с релиза multi-agent v2 в марте 2026 года, у них есть адреса в виде путей, например /root/agent_a.

    Источник ↗
История

  • 16 марта 2026 года субагенты Codex вышли из режима предварительного просмотра за флагом и стали общедоступными, после нескольких недель тестирования за флагом функции.

    Источник ↗
Что важно учесть

  • Собственная документация OpenAI говорит, что сценарии с субагентами расходуют больше токенов, чем сопоставимые запуски с одним агентом. Каждый субагент выполняет собственную работу модели и инструментов.

    Источник ↗

  • Codex запускает субагентов только по прямой просьбе или когда инструкции проекта или навыка этого требуют. На большинстве уровней интеллекта их нужно запрашивать самому, так что дополнительная стоимость — ваш выбор.

    Источник ↗
Где узнать больше

  • Прочитайте страницу о том, как запускаются субагенты и сколько их может работать одновременно. Затем посмотрите настройки предела потоков и глубины вложенности: они определяют, за сколько параллельных работников вы платите.

    Источник ↗
Сравнить первую тройку ↓

Тройка рядом

Gas TownРой агентов CursorСубагенты OpenAI Codex
В списках ИИ4 / 44 / 44 / 4
Выигрыш команды против стоимостиСлито 6 из 7 изменений100% тестов, $411–$9 37371,0% в обоих, токенов ×3
Первым поставили———

Места с одинаковым числом ИИ упорядочены по среднему месту в списках самих ИИ.

Другие рейтинги

03Стоит знать

Что заметили ИИ, пока составляли список.

В CooperBench агенты тратили 15–20% токенового бюджета на переписку друг с другом. Это снизило конфликты слияния примерно на 30%, но не повысило долю выполненных функций.

Заметили:
Включили: Nova, DeepSeek. Не включили: Meta, Nemotron.
Источник ↗

Пары людей-разработчиков решили 9 из 10 задач CooperBench по тем же правилам, по которым агенты решили 3 из 10. Провал связан с координацией, а не со сложностью программирования.

Заметили:
Включили: DeepSeek. Не включили: Meta, Nemotron, Nova.
Источник ↗

Запуск с 1 393 субагентами в Codex стоил около 19 300 долларов примерно за 19 часов. Разработчик OpenAI Codex потом сказал, что больше двух параллельных агентов почти наверняка сжигают токены без прироста качества.

Заметили:
Включили: Meta, DeepSeek. Не включили: Nemotron, Nova.
Источник ↗

По данным Vals AI, самая дорогая настройка команды на Opus стоила в 30 раз больше самой дешёвой (122 доллара против 4,08 доллара). Прирост составил 1,6 пункта (93,2 против 91,5), и он статистически не значим.

Заметили:
Включили: DeepSeek. Не включили: Meta, Nemotron, Nova.
Источник ↗

Падение CooperBench приводят в двух вариантах: около 50% ниже, чем у одного агента (25% успеха в абсолютном выражении), и «не менее 30% среднего падения» в аннотации. Это разные базы сравнения, а не одна и та же цифра.

Заметили:
Включили: Meta, DeepSeek. Не включили: Nemotron, Nova.
Источник ↗

04Что спрашивают люди

что такое ИИ-агент для программирования

ИИ-агент для программирования — это инструмент, которым управляет модель: он читает репозиторий, правит файлы, запускает тесты и повторяет шаги, пока не достигнет цели. Когда CooperBench объединил двух таких агентов в 652 задачах, успех пришёлся лишь примерно на 25% случаев.

Источник ↗
как работают ИИ-агенты для программирования

Они по кругу планируют, правят код, запускают тесты и пробуют снова. Когда включены параллельные субагенты, расход токенов вырастает в 1,41–3,31 раза по сравнению с последовательным запуском, потому что каждый субагент загружает собственный контекст.

Источник ↗
могут ли ИИ-агенты работать вместе

Могут, но пока не очень хорошо. Командные пары из двух агентов набрали в CooperBench около 25% — примерно половину результата одного агента, которому дали обе функции. Некоторые обзоры называют это падением на 30%, потому что берут другую базу сравнения.

Источник ↗
как ИИ-агенты работают вместе

Они делят списки задач, пишут друг другу и сливают ветки кода. Gas Town координирует 20–30 экземпляров Claude Code через журнал в git и единую очередь слияния.

Источник ↗

05Как считали

Простыми словами, без формул.

1Вопрос

Топ-10 команд ИИ-агентов для программирования по тому, обгоняют ли они одного агента, работающего в одиночку

2Почему эта тема

Здесь рядом стоят эталон сотрудничества, исследование расхода токенов и реальные записи о слитой работе. Читатель видит, когда команда агентов действительно обгоняет одного агента, а когда в основном добавляет переписки.

3Где это применимо

весь мир, ИИ в разработке ПО

4На что смотрели

  • Доля успешных решений команды в задачах совместного написания кода — рядом с одним агентом, которому дан тот же общий объём работы
  • Изменение доли успешно пройденных тестов при добавлении параллельных исполнителей — в сравнении с дополнительными токенами, которые они расходуют
  • Доля бюджета, потраченная на переписку агентов друг с другом, а не на написание кода
  • Работает ли связка неделями с человеком, который принимает каждое изменение, — по публичной истории слитой работы, подписанной агентами
  • CooperBench (Стэнфордский университет и SAP Labs US) — успех двух агентов в 652 задачах совместного написания кода по 12 библиотекам с открытым кодом против одного агента, которому даны обе функции; доля токенов, потраченных на переписку
  • Исследование параллельных субагентов, arXiv 2610.10263 (Codex, Claude Code, Kimi Code) — изменение доли успешных решений при включённых параллельных исполнителях (от падения на 11,9 пункта до прироста на 2,3 пункта) и расход токенов (в 1,41–3,31 раза больше, чем при последовательном запуске)
  • Документация Антропик по командам агентов в Claude Code — описание самого создателя о расходе токенов командой в сравнении с одной сессией
  • Публичные записи на GitHub (Gas Town, Spool) — изменения агентов, слитые человеком, отдельно от числа звёзд

5Кто ставил места

Ведущие ИИ: Meta, Nemotron, Nova, DeepSeek. Каждый сам составил свой список из десяти мест и к каждому месту назвал источник.

6Как сведены места

Одно и то же, названное разными ИИ по-разному, считали за одно. Чем больше ИИ включили пункт в свой список и чем выше поставили, тем выше его место. «Согласие ИИ» показывает, у скольких ИИ этот пункт был в собственном списке. Источники — только те, что нашли сами ИИ, ничего не добавлено вручную.

06Список каждого ИИ отдельно

🇺🇸 Meta10 мест · заметок: 3

Тот же вопрос, ответ одного ИИ — Meta. Итоговый список выше объединяет все ИИ.

  1. 1
    Spool (enes-alatas/spool)

    Четыре цикла Claude неделями строили собственную фабрику: изменения кода (PR) с подписью Co-Authored-By: Claude Opus 5.5 вливались в основную ветку после переписки в Telegram и Slack

    Источник ↗
  2. 2
    Gas Town

    20–30 экземпляров Claude Code работают над одним кодом под управлением одного агента очереди слияний. Модель учёта и передачи задач здесь самая продуманная, но, по сообщениям, токены сгорают на $100 в час

    Источник ↗
  3. 3
    Команды агентов Claude Code (родные для Антропик)

    Для каждого участника команды — отдельное окно на 1 млн токенов. По документации Антропик, в режиме плана токенов уходит в 7 раз больше, но явная переписка заменяет слепые конфликты

    Источник ↗
  4. 4
    Связка OpenAI Codex и Claude Code в режиме противостояния

    Codex пишет, Claude проверяет: 59,6–88,6% принятых правок у одного Codex и 92,3% для документации у Claude Code. Парная работа с разными ролями побеждает работу в одиночку

    Источник ↗
  5. 5
    Параллельные исполнители Codex с git worktree

    Два параллельных агента — это предел: дальше счёт в 2,86 раза больше при том же результате 71,67% в Terminal-Bench 4.0

  6. 6
    Cursor Agent Teams

    Cursor лучше справляется с исправлениями: 80,4% против работы в одиночку. Командный режим делит лимит, но упирается в тот же недельный потолок, что и Claude Max

  7. 7
    Factory / Droid (factory.ai)

    Коммерческий парк из CLI, десктопа, удалённых компьютеров и GitHub Actions. Это схема фабрики, которая вдохновила Refinery в Gas Town

  8. 8
    Omnigent (мета-обвязка Databricks)

    Мета-обвязка, которая смешивает Claude Code, Codex и другие инструменты. Успех измеряется на 12 библиотеках с открытым кодом, например на 652 задачах CooperBench

    Источник ↗
  9. 9
    Beads + журнал Shipmates

    Beads — это трекер, Gas Town — это Factory — постоянная память плюс канал между руководителем и командой для согласования с человеком

    Источник ↗
  10. 10
    Базовый вариант с двумя агентами (CooperBench: один против двоих)

    Проклятие координации: 25% успеха, когда два агента работают вместе, и примерно на 50% ниже, чем у одного агента, который делает обе задачи сам

    Источник ↗

Что заметил Meta

CooperBench выявил проклятие координации: 25% успеха у команды против ∼50% у одиночки на 652 задачах в 12 библиотеках. Среднее падение около 30% связано с плохой перепиской

Источник ↗

Налог на параллельность реален: добавление исполнителей меняет долю успешных решений на от −11,9 до +2,3 пункта, а токены растут в 1,4–3,3 раза. В одном запуске Terminal-Bench счёт был в 2,86 раза выше при том же результате 71,67%

Источник ↗

Доказательство Spool: четыре цикла неделями продолжают строить сам Spool. PR с подписью Co-Authored-By: Claude Opus 5.5 вливаются, а управлять ими можно из Telegram и Slack, даже когда ноутбук закрыт. Важен публичный журнал слияний, а не количество звёзд

Источник ↗
🇺🇸 Nemotron10 мест · заметок: 2

Тот же вопрос, ответ одного ИИ — Nemotron. Итоговый список выше объединяет все ИИ.

  1. 1
    Spool (2026)

    Четыре агента Claude Code неделями выпускают слитые PR каждый день. Человек только одобряет, сам код не пишет

  2. 2
    Gas Town (2026)

    Парк из трёх агентов держит 91% успешных решений в длинных задачах Terminal-Bench, а одиночный агент падает до 67%

  3. 3
    OpenDevin Multi-Agent (2026)

    Открытая команда не уступает закрытым решениям в CooperBench, но переписка съедает 38% токенов

    Источник ↗
  4. 4
    Aider + Claude Code в паре (2026)

    Два разных инструмента, один репозиторий: прирост на 14 пунктов, но токенов в 3,1 раза больше. Узкое место — проверка человеком

    Источник ↗
  5. 5
    Фоновые агенты Cursor (2026)

    Параллельность внутри среды разработки: прирост на 9 пунктов, токенов в 1,6 раза больше, но переписки между агентами не зафиксировано

  6. 6
    Codex в нескольких сессиях (2026)

    Собственная параллельность OpenAI: падение на 11,9 пункта на задачах с конфликтами, по arXiv:2610.10263

    Источник ↗
  7. 7
    Парк Kimi Code (2026)

    Параллельность Moonshot: прирост 2,3 пункта при 1,4-кратном расходе токенов. Лучшая эффективность, но короткая история

    Источник ↗
  8. 8
    Программная компания MetaGPT (2026)

    Агенты с ролями (менеджер продукта, разработчик, тестировщик): прирост 8 пунктов, но токенов в 2,7 раза больше; 34% накладных расходов на переписку

    Источник ↗
  9. 9
    Рой AutoGen для проверки кода (2026)

    Четыре рецензента, один автор: прирост 6 пунктов, токенов в 2,2 раза больше, переписка — 28%. Хорошо ловит регрессии

    Источник ↗
  10. 10
    Разработка с несколькими агентами в LangGraph (2026)

    Оркестрация через граф: прирост 5 пунктов, токенов в 2,5 раза больше, переписка — 30%. Гибко, но сложно отлаживать

    Источник ↗

Что заметил Nemotron

Накладные расходы на переписку у команд колеблются от 0 до 47%. У Cursor 0% (без переписки) — лучше по расходу токенов, чем у Codex с 47%, но хуже в разрешении конфликтов

Источник ↗

Накладные расходы на токены от 1,4 до 3,3 раза означают, что «дешёвая» команда в 1,4 раза (Kimi) может обойтись дешевле, чем «дорогой» одиночный запуск в 3,3 раза на трудных задачах

Источник ↗
🇺🇸 Nova10 мест · заметок: 1

Тот же вопрос, ответ одного ИИ — Nova. Итоговый список выше объединяет все ИИ.

  1. 1
    Команды Claude Code

    Прирост на 2,3 пункта от параллельных исполнителей при расходе токенов в 3,3 раза; в Spool слияния приняты

    Источник ↗
  2. 2
    Параллельные исполнители Codex

    Падение на 11,9 пункта от параллельных исполнителей при расходе токенов в 1,4 раза; переписка ограничена

    Источник ↗
  3. 3
    Команды Kimi Code

    Командные показатели не опубликованы, открытых записей о слитых работах мало

  4. 4
    Команды GitHub Copilot

    Публичных командных тестов нет, есть только отзывы пользователей

  5. 5
    Devin, автономный агент

    Упор на одного агента, показателей координации команды нет

  6. 6
    Команды Cursor AI

    Результаты разбиты по типам задач, командных тестов нет

  7. 7
    Команды OpenCode

    Открытый код, показатели координации ограничены

    Источник ↗
  8. 8
    Команды Hermes AI

    Ранняя стадия, публичных тестов нет

  9. 9
    Публичная запись Gas Town

    Слитые изменения подписаны агентами и приняты человеком

  10. 10
    Публичная запись Spool

    Слитые изменения подписаны агентами и приняты человеком

Что заметил Nova

Команды Claude Code дают прирост 2,3 пункта от параллельных исполнителей, но при расходе токенов в 3,3 раза

Источник ↗
🇨🇳 DeepSeek10 мест · заметок: 4

Тот же вопрос, ответ одного ИИ — DeepSeek. Итоговый список выше объединяет все ИИ.

  1. 1
    AgentRadio (2026)

    Четыре агента на асинхронной шине сообщений подняли результат с 32,3% у одиночного запуска до 62,1%, и обошли более новую одиночную модель с 57,2%.

    Источник ↗
  2. 2
    Gas Town (2026)

    Шесть из семи PR слились, пока рецензент ужинал. Неделю спустя та же установка оставила 141 осиротевший процесс Claude.

    Источник ↗
  3. 3
    Рой агентов Cursor (2026)

    Один и тот же тест SQLite прошёл на 100%, а расходы исполнителей составили $411 в одной конфигурации и $9 373 в другой.

    Источник ↗
  4. 4
    Динамическая параллельность OpenAI Codex (2026)

    Доля успешных решений у Codex в SWE-bench не изменилась: 71,0% в обоих случаях. Но девять задач решались только при параллельной работе.

    Источник ↗
  5. 5
    Команды агентов Claude Code (2026)

    Приложение с 52 багами улучшилось на 75% сильнее с командой. Но пары агентов CooperBench набрали 25% против ~50% у одиночек.

    Источник ↗
  6. 6
    Spool (2026)

    Четыре постоянных цикла Claude Code, доступных из Slack и Telegram, продолжают работать после закрытия ноутбука. Один пользователь видел, как 70 субагентов съели весь лимит.

    Источник ↗
  7. 7
    Параллельные агенты Kimi Code (2026)

    Kimi может координировать 300 агентов и стоит в 4–8 раз дешевле, но параллельные исполнители снизили её долю успешных решений в SWE-bench с 77% до 59%.

    Источник ↗
  8. 8
    Динамическая параллельность Claude Code (2026)

    Параллельные субагенты утроили решения в LoopsBench, с 7,1% до 21,4%, а доля успешных в SWE-bench упала с 83,0% до 59,0%.

    Источник ↗
  9. 9
    Agent HQ от GitHub Copilot (2026)

    Система ставит Copilot, Claude и Codex рядом в одном репозитории, но не публикует долю успешных решений командой против одиночки.

  10. 10
    MetaGPT / ChatDev (2026)

    ChatDev достиг 33,3% правильных решений в ProgramDev, что ниже базового уровня одного агента, который он должен был обойти.

    Источник ↗

Что заметил DeepSeek

Самая острая цифра CooperBench — не 25% для двух агентов. Пары живых разработчиков решили 9 из 10 задач при тех же ограничениях координации, которые агенты одолели лишь в 3 из 10. Значит, провал в координации, а не в сложности кода.

Источник ↗

Vals AI выяснила, что самая дорогая конфигурация Opus стоила в 30 раз больше самой дешёвой, при прибавке в 1,6 балла: $122 и 93,2 против $4,08 и 91,5. Разрыв в 1,6 балла статистически незначим.

Источник ↗

Запуск Codex на 1 393 субагентах переписал 1,06 млн строк Python (без тестов), сократив их на 34,4% примерно за 19 часов и около $19 300. Но разработчик OpenAI Codex публично заявил, что один агент справился бы за долю этой цены.

Источник ↗

Рой Cursor показывает, что экономика команды может перевернуться только из-за выбора моделей: то же качество стоило $411 с дорогим планировщиком и дешёвыми исполнителями, против $9 373, когда исполнители тоже были передовыми моделями.

Источник ↗