Рейтинг Poly · з тренду дня

Команда ШІ-агентів для коду проти одного агента · 9 місць

Два провідні ШІ-агенти для коду, що працюють у парі, вдало виконують лише близько 25% завдань CooperBench. В одному тесті Codex додавання субагентів не змінило результат: 71,0%, а кількість токенів на розв'язане завдання зросла з 7,69 млн до 24,12 млн.

  • №1: Gas Town
  • 9 місць

01Підсумковий список

Провідні ШІ незалежно склали власні списки з десяти місць. Угорі — один підсумок, який легко перевірити: у кожного місця є причина, перелік ШІ, що його включили, і джерело, якщо ШІ його дали.

Порядок: від більшої згоди ШІ до меншої.

Яскрава плашка — цей ШІ включив пункт у свій список. Тьмяна — не включив.

  1. 1

    Gas Town

    Запускає 20–30 екземплярів Claude Code. Один рецензент побачив, що за вечір злили 6 із 7 запитів на злиття, а через тиждень знайшов 141 покинутий процес. За даними обліку, витрати наближалися до $100 на годину.

    Увімкнули: Meta, Nemotron, Nova, DeepSeek.

    У їхніх списках: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2

    Що відзначив кожен ШІ 4
    • Metaмісце 2

      20–30 екземплярів Claude Code над одним кодом з одним агентом черги злиття: найрозвиненіша модель журналу й передачі, але повідомлені витрати $100 на годину токенів

      Джерело ↗
    • Nemotronмісце 2

      Флот із трьох агентів тримає 91% успішності у довгих задачах Terminal-Bench, соло-агент падає до 67%

    • Novaмісце 9

      Злиті зміни підписані агентами, прийняті людиною

    • DeepSeekмісце 2

      Шість із семи PR злито, поки рецензент був на вечері. Через тиждень на тому самому стенді лишилося 141 осиротілий процес Claude.

      Джерело ↗
    4 ШІ поставили сюди
    Джерело ↗
  2. 2

    Рій агентів Cursor

    Кожна конфігурація перебудувала SQLite зі 100% проходженням тестів, але витрати на робочих агентів коливалися від $411 до $9 373 залежно від набору моделей, тобто різниця у 22 рази. Базового варіанта з одним агентом немає.

    Увімкнули: Meta, Nemotron, Nova, DeepSeek.

    У їхніх списках: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3

    Що відзначив кожен ШІ 4
    • Metaмісце 6

      Cursor сильний у задачах на виправлення: 80,4% проти соло. Команда агентів ділить ліміт, але впирається в той самий тижневий ліміт, що й Claude Max

    • Nemotronмісце 5

      Паралельність у самій IDE: приріст 9 п.п., у 1,6 раза більше токенів, але міжагентних повідомлень не зафіксовано

    • Novaмісце 6

      Продуктивність за типами задач, командних бенчмарків немає

    • DeepSeekмісце 3

      Той самий тест SQLite пройшов на 100%, тоді як витрати на робітників становили $411 в одній конфігурації і $9 373 в іншій.

      Джерело ↗
    4 ШІ поставили сюди
    Джерело ↗
  3. 3

    Субагенти OpenAI Codex

    Без приросту за приблизно втричі більшу ціну. SWE-bench залишився на 71,0% в обох варіантах, тоді як токени на розв'язане завдання зросли втричі. У Terminal-Bench $9,01 проти $25,80 за завдання купили той самий результат: 71,67%.

    Увімкнули: Meta, Nemotron, Nova, DeepSeek.

    У їхніх списках: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4

    Що відзначив кожен ШІ 4
    • Metaмісце 4

      Codex пише, Claude перевіряє: 59,6–88,6% прийнятих змін у одного Codex, 92,3% документації у Claude Code; асиметрична пара перемагає соло

      Джерело ↗
    • Nemotronмісце 3

      Команда з відкритим кодом дорівнює закритим рішенням на CooperBench, але повідомлення з'їдають 38% токенів

      Джерело ↗
    • Novaмісце 5

      Фокус на одному агенті, командних показників координації немає

    • DeepSeekмісце 4

      Частка успішних на SWE-bench не змінилася: 71,0% в обох випадках. Але дев'ять задач вирішено лише завдяки паралельності.

      Джерело ↗
    4 ШІ поставили сюди
    Джерело ↗
  4. 4

    Команди агентів Claude Code

    Документація Антропік каже, що команда витрачає приблизно в 7 разів більше токенів, ніж одна сесія, у режимі планування. Окремий тест із помилкою CircleCI показав, що виграш команди більший: 17,27 проти 9,87 пункту.

    Увімкнули: Meta, Nova, DeepSeek. Не увімкнули: Nemotron.

    У їхніх списках: Meta: 3 · Nova: 1 · DeepSeek: 5

    Що відзначив кожен ШІ 3
    • Metaмісце 3

      Окремі вікна по 1M токенів для кожного учасника команди: за документацією Антропік, у режимі плану накладні витрати токенів у 7 разів, зате чіткі повідомлення замінюють сліпі конфлікти

      Джерело ↗
    • Novaмісце 1

      Приріст 2,3 п.п. від паралельних робітників при вартості токенів у 3,3 раза, прийняті злиття в Spool

      Джерело ↗
    • DeepSeekмісце 5

      Застосунок із 52 багами покращився на 75% із командою, але пари CooperBench із двох агентів набрали 25% проти ∼50% соло.

      Джерело ↗
    3 ШІ поставили сюди
    Джерело ↗
  5. 5

    Паралельні агенти Kimi Code

    Координує 300 агентів за витрат у 4–8 разів менших, ніж у найсучасніших моделей, але один блог повідомляє, що паралельні робочі агенти знизили їхню частку пройдених завдань SWE-bench із 77% до 59%. Ця цифра з одного джерела.

    Увімкнули: Nemotron, Nova, DeepSeek. Не увімкнули: Meta.

    У їхніх списках: Nemotron: 7 · Nova: 3 · DeepSeek: 7

    Що відзначив кожен ШІ 3
    • Nemotronмісце 7

      Паралельність Moonshot: приріст 2,3 п.п. при 1,4 раза більше токенів, найкраща ефективність, але коротка історія результатів

      Джерело ↗
    • Novaмісце 3

      Командні показники не оприлюднено, публічний запис злитої роботи обмежений

    • DeepSeekмісце 7

      Kimi може координувати 300 агентів і коштує в 4–8 разів менше, але паралельні робітники знизили його успішність SWE-bench з 77% до 59%.

      Джерело ↗
    3 ШІ поставили сюди
    Джерело ↗
  6. 6

    Паралельні субагенти Claude Code

    Протилежні результати: повне розв'язання задач у LoopsBench зросло втричі (з 7,1% до 21,4%), а SWE-bench Verified впало з 83,0% до 59,0%. Це падіння більше за головний діапазон дослідження в 11,9 пункту, тож його оспорюють.

    Увімкнули: Nova, DeepSeek. Не увімкнули: Meta, Nemotron.

    У їхніх списках: Nova: 2 · DeepSeek: 8

    Що відзначив кожен ШІ 2
    • Novaмісце 2

      Падіння на 11,9 п.п. від паралельних робітників при вартості токенів у 1,4 раза, обмежене спілкування

      Джерело ↗
    • DeepSeekмісце 8

      Паралельні субагенти втричі збільшили розв'язані задачі LoopsBench: з 7,1% до 21,4%. Водночас успішність SWE-bench впала з 83,0% до 59,0%.

      Джерело ↗
    2 ШІ поставили сюди
    Джерело ↗
  7. 7

    GitHub Copilot Agent HQ

    Працює з Copilot, Claude і Codex в одному репозиторії, але не публікує відсоток успішності команди порівняно з одним агентом, тож невідомо, чи команда обганяє одного агента.

    Увімкнули: Nova, DeepSeek. Не увімкнули: Meta, Nemotron.

    У їхніх списках: Nova: 4 · DeepSeek: 9

    Що відзначив кожен ШІ 2
    • Novaмісце 4

      Публічних командних бенчмарків немає, покладаються на звіти користувачів

    • DeepSeekмісце 9

      Він ставить Copilot, Claude і Codex поруч в одному репозиторії, але не публікує показник успішності команди проти соло.

    2 ШІ поставили сюди
    джерело не вказано
  8. 8

    MetaGPT / ChatDev

    Старіші команди з рольовою грою програють одному агенту: один агент переміг їх у 10 задачах і програв в одній. ChatDev досяг лише 33,3% правильних відповідей на ProgramDev.

    Увімкнули: Nemotron, DeepSeek. Не увімкнули: Meta, Nova.

    У їхніх списках: Nemotron: 8 · DeepSeek: 10

    Що відзначив кожен ШІ 2
    • Nemotronмісце 8

      Агенти в ролях (менеджер продукту, розробник, тестувальник QA): приріст 8 п.п., але в 2,7 раза більше токенів; 34% накладних витрат на повідомлення

      Джерело ↗
    • DeepSeekмісце 10

      ChatDev досяг 33,3% правильності на ProgramDev, нижче за базовий рівень одного агента, який мав перевершити.

      Джерело ↗
    2 ШІ поставили сюди
    Джерело ↗
  9. 9

    AgentRadio

    Найбільший виміряний виграш тут: чотири агенти на спільній шині повідомлень підняли результат з 32,3% (самостійно) до 62,1%, обігнавши новішу одиночну модель із 57,2%. Так пише лише одне джерело.

    Увімкнули: DeepSeek. Не увімкнули: Meta, Nemotron, Nova.

    У їхніх списках: DeepSeek: 1

    Що відзначив кожен ШІ 1
    • DeepSeekмісце 1

      Чотири агенти на асинхронній шині повідомлень підняли соло-результат з 32,3% до 62,1% і перевершили новішу одиночну модель з 57,2%.

      Джерело ↗
    1 ШІ поставили сюди
    Джерело ↗

Трійка докладно ↓

02Докладніше про трійку

Рейтинг вище. Тут — докладніше про перші три місця: що це, чому вони тут і що варто знати.

Три інструменти вимірювали не однаково: у Gas Town є історія злиття змін користувача, у Курсора — проходження тестів SQLite без базового порівняння з одним агентом, а у Codex — оцінки SWE-bench і Terminal-Bench.

1Gas Town

№ 1 — Gas Town. У списках 4 з 4 ШІ; медіанне місце там: 2. ШІ поставили його першим, бо він показав найрозвиненіший спосіб запускати багато агентів разом, хоча вартість токенів була дуже високою.

А ви знали

  • Коли вийшов цей опис, код Gas Town був лише 3 тижні, а його описували як повністю «вайб-кодований». За повідомленнями, він потребує «досвіду розробки з допомогою ШІ, етап 7+», тож він не для новачків.

    Джерело ↗
Що це
Інструмент, який запускає 20–30 агентів Claude Code над одним кодом.
Чим сильніший
Показав реальну роботу: за один вечір злито 6 із 7 запитів на злиття.
Кому підходить
Підійде досвідченим користувачам, які можуть платити за токени; не новачкам і не тим, кому потрібна стабільність.
  • Користь для команди проти витратзлито 6 із 7 запитів

Вікіпедія · Wikidata

Чому він тут

  • Користувач дав Gas Town 7 завдань перед вечерею і повернувся: 6 запитів на злиття вже були злиті. Це висока частка злиттів для агентів, що працюють разом, хоча людині все одно довелося перевірити роботу.

    Джерело ↗

  • Той самий користувач потім знайшов 141 осиротілий процес Claude Code, які лишилися працювати на MacBook Air з 32 ГБ. Це прихована ціна запуску багатьох агентів одночасно: зайва робота, про яку ніхто не просив.

    Джерело ↗
А ви знали

  • Gas Town дає своїм агентам посади з вигаданої постапокаліптичної пустки: Mayor, Polecats, Refinery, Witness, Deacon, Dogs і Crew. Працює на tmux, написаний на Go і спирається на інструмент Beads.

    Джерело ↗
Що варто врахувати

  • Огляд досліджень називає його хаотичним: робота може бути недбалою, а помилки виправляють кілька разів. Не рекомендується тим, кому потрібна стабільність у роботі. Там також сказано, що активним користувачам варто закладати $100–300+ на місяць.

    Джерело ↗

  • Та сама сторінка каже, що Hacker News різко розділився щодо того, чи варті витрати на токени своїх грошей. Інструмент назвали «пожирачем грошей», бо він потребує платних підписок на агентів.

    Джерело ↗
Де дізнатися більше

  • Відкрийте README і прочитайте список ролей агентів, наприклад Mayor і Polecats, щоб побачити, хто за що відповідає. Потім подивіться, як він веде облік роботи через хуки на основі git, щоб зрозуміти, як агенти підхоплюють роботу з місця зупинки.

    Джерело ↗
Порівняти першу трійку ↓

2Рій агентів Cursor

№ 2 — Рій агентів Cursor. У списках 4 з 4 ШІ; медіанне місце там: 5.5. ШІ поставили його другим, бо кожна схема досягла 100% проходження тестів, але вартість сильно різнилася, а порівняння з одним агентом немає.

А ви знали

  • Старий рій накопичив понад 70 000 конфліктів при злитті. Один-єдиний файл мав 7 771 конфлікт від 1 173 агентів. У новій схемі той самий файл мав 47.

    Джерело ↗
Що це
Налаштування Курсора, у якому агенти-планувальники й агенти-виконавці відтворили SQLite.
Чим сильніший
Кожна схема пройшла всі тести, а нова конструкція мала значно менше конфліктів при злитті.
Кому підходить
Підійде командам, які цікавляться поєднанням моделей і витратами; не тим, кому потрібен доказ проти одного агента.
  • Користь для команди проти витрат100% проходження, $411–$9 373
Чому він тут

  • Рій Курсора відтворив SQLite за мануалом. Флот виконавців коштував $411 з робітниками Composer 2.5 під планувальником на Opus, проти $9 373 з робітниками GPT-5.5. Вартість сильно залежить від того, які моделі використано.

    Джерело ↗ ✓ підтверджено кількома ШІ

  • Через чотири години новий рій проходив від 73 до 85 відсотків тестів, а старий — від 11 до 77. Кожна нова схема зрештою досягла 100%. У запусках на Opus новий рій використав 4 645 рядків коду, а старий — 19 013.

    Джерело ↗
А ви знали

  • Рій Курсора відтворив SQLite на Rust, використовуючи лише 835-сторінковий мануал. Вихідного коду, набору тестів і інтернету в нього не було. Він не знав, що існує тест sqllogictest з мільйонами SQL-запитів.

    Джерело ↗
Історія

  • На початку 2026 року перша схема Курсора для побудови браузера провалилася: 20 агентів сповільнилися до швидкості 2 або 3, переважно чекаючи один одного. Перехід на планувальників, виконавців і суддю це виправив.

    Джерело ↗
Що варто врахувати

  • Курсор каже, що оцінював запуски одного агента лише неформально, тож не робить висновків про їхню якість. Отже, справедливого порівняння з одним агентом немає.

    Джерело ↗
Що кажуть люди

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

    Джерело ↗
Де дізнатися більше

  • Прочитайте допис, щоб побачити, як агенти-планувальники й агенти-виконавці ділять роботу. Потім знайдіть таблицю поєднань моделей і порівняйте вартість кожного запуску, щоб побачити, як той самий результат може коштувати дуже різних сум.

    Джерело ↗
Порівняти першу трійку ↓

3Субагенти OpenAI Codex

№ 3 — Субагенти OpenAI Codex. У списках 4 з 4 ШІ; медіанне місце там: 4. ШІ поставили його третім, бо субагенти не дали жодного приросту в оцінці, а коштували приблизно втричі більше токенів.

А ви знали

  • Субагенти Codex обмежені за замовчуванням. Одночасно можна відкрити шість потоків, а субагент не може запускати власних субагентів, бо max_depth за замовчуванням дорівнює 1. Кожен власний агент — це маленький файл TOML.

    Джерело ↗
Що це
Допоміжні субагенти, вбудовані в агента для програмування Codex від OpenAI.
Чим сильніший
Дає чіткий контроль: обмежена кількість потоків, обмежена глибина і субагенти лише на ваш запит.
Кому підходить
Підійде тим, хто хоче уважно перевірити субагентів; не тим, хто сподівається на кращий результат.
  • Користь для команди проти витрат71,0% в обох варіантах, у 3 рази більше токенів
А ви знали

  • Субагенти Codex спілкуються лише «батько — дитина», а не між собою. Після випуску multi-agent v2 у березні 2026 року вони отримали адреси у вигляді шляхів, наприклад /root/agent_a.

    Джерело ↗
Історія

  • 16 березня 2026 року субагенти Codex вийшли з попереднього перегляду за прапорцем функції і стали загальнодоступними, після кількох тижнів тестування за прапорцем.

    Джерело ↗
Що варто врахувати

  • Власна документація OpenAI каже, що робочі процеси з субагентами витрачають більше токенів, ніж порівнянні запуски з одним агентом. Кожен субагент виконує власну роботу з моделлю й інструментами.

    Джерело ↗

  • Codex запускає субагентів лише тоді, коли ви прямо просите про це або коли інструкції проєкту чи навички це передбачають. На більшості рівнів інтелекту їх треба запитувати самому, тож додаткові витрати — ваш вибір.

    Джерело ↗
Де дізнатися більше

  • Прочитайте сторінку про те, як запускаються субагенти і скільки їх може працювати одночасно. Потім подивіться налаштування ліміту потоків і глибини вкладеності — вони визначають, скільки паралельних робітників ви оплачуєте.

    Джерело ↗
Порівняти першу трійку ↓

Трійка поруч

Gas TownРій агентів CursorСубагенти OpenAI Codex
У списках ШІ4 / 44 / 44 / 4
Користь для команди проти витратзлито 6 із 7 запитів100% проходження, $411–$9 37371,0% в обох варіантах, у 3 рази більше токенів
Першим поставили———

Місця з однаковою кількістю ШІ впорядковано за середнім місцем у списках самих ШІ.

Інші рейтинги

03Варто знати

Що помітили ШІ, поки складали список.

У CooperBench агенти витрачали 15–20% бюджету токенів на повідомлення одне одному. Це зменшило конфлікти злиття приблизно на 30%, але не підвищило відсоток завершених функцій.

Помітили:
Увімкнули: Nova, DeepSeek. Не увімкнули: Meta, Nemotron.
Джерело ↗

Пари людей-розробників розв'язали 9 із 10 завдань CooperBench за тих самих правил, за яких агенти розв'язали 3 із 10. Збій у координації, а не в складності коду.

Помітили:
Увімкнули: DeepSeek. Не увімкнули: Meta, Nemotron, Nova.
Джерело ↗

Запуск Codex із 1 393 субагентами коштував приблизно $19 300 за близько 19 годин. Розробник OpenAI Codex потім сказав, що більше двох паралельних агентів майже напевно спалюють токени без жодного приросту якості.

Помітили:
Увімкнули: Meta, DeepSeek. Не увімкнули: Nemotron, Nova.
Джерело ↗

Дослідження Vals AI показало, що найдорожча конфігурація команди Opus коштувала у 30 разів більше за найдешевшу ($122 проти $4,08) заради приросту в 1,6 пункту (93,2 проти 91,5), який не є статистично значущим.

Помітили:
Увімкнули: DeepSeek. Не увімкнули: Meta, Nemotron, Nova.
Джерело ↗

Падіння CooperBench наводять двома способами: близько 50% нижче, ніж у соло (25% абсолютного успіху), і «щонайменше 30% середнього падіння» у резюме. Це різні базові показники, а не одна й та сама цифра.

Помітили:
Увімкнули: Meta, DeepSeek. Не увімкнули: Nemotron, Nova.
Джерело ↗

04Що питають люди

що таке ШІ-агент для коду

ШІ-агент для коду — це інструмент на основі моделі, який читає репозиторій, редагує файли, запускає тести й крок за кроком наближається до мети. Коли CooperBench об'єднав два такі агенти для 652 завдань, вони успішно виконували лише близько 25% із них.

Джерело ↗
як працюють ШІ-агенти для коду

Вони циклічно проходять планування, редагування, запуск тестів і повторні спроби. Коли ввімкнено паралельні субагенти, витрата токенів зростає до 1,41–3,31 раза порівняно з послідовним запуском, бо кожен субагент завантажує власний контекст.

Джерело ↗
чи можуть ШІ-агенти працювати разом

Так, але поки що не дуже добре. Команди з двох агентів набрали близько 25% на CooperBench, приблизно половину результату одного агента, якому дали обидві функції. Деякі огляди називають це падінням на 30%, бо беруть інший базовий показник.

Джерело ↗
як ШІ-агенти працюють разом

Вони ділять списки завдань, пишуть одне одному й зливають гілки. Gas Town координує 20–30 екземплярів Claude Code через журнал на основі git і одну чергу злиття.

Джерело ↗

05Як рахували

Простими словами, без формул.

1Питання

Топ-10 команд ШІ-агентів для коду за тим, чи обганяють вони одного агента, що працює самостійно

2Чому ця тема

Тут поруч стоять тест на співпрацю, дослідження витрат токенів і реальні записи злитої роботи, тож читач бачить, коли команда агентів справді обганяє одного агента, а коли переважно додає балаканини.

3Де це застосовно

глобально, програмна інженерія на основі ШІ

4На що дивилися

  • Частка успішних виконань спільних завдань із кодом у команди, поруч з одним агентом із тим самим загальним обсягом роботи
  • Зміна частки успішних розв'язань, коли додають паралельних робочих агентів, порівняно з додатковими токенами, які вони витрачають
  • Частка бюджету, витрачена на те, щоб агенти писали одне одному, а не код
  • Чи працює налаштування днями з людиною, яка приймає кожну зміну, судячи з публічного запису злитої роботи, підписаної агентами
  • CooperBench (Стенфордський університет і SAP Labs US) — успішність двох агентів на 652 спільних завданнях із кодом у 12 бібліотеках з відкритим кодом порівняно з одним агентом, якому дали обидві функції; частка токенів, витрачених на взаємні повідомлення
  • Дослідження паралельних субагентів, arXiv 2610.10263 (Codex, Claude Code, Kimi Code) — зміна успішності, коли ввімкнено паралельних робочих агентів (від падіння на 11,9 пункту до приросту на 2,3 пункту), і витрата токенів (у 1,41–3,31 раза більше за послідовний запуск)
  • Документація Антропік про команди агентів Claude Code — власний опис розробника витрати токенів команди порівняно з однією сесією
  • Публічні записи репозиторіїв GitHub (Gas Town, Spool) — зміни, підписані агентами й злиті людиною, окремо від кількості зірок

5Хто ставив місця

Провідні ШІ: Meta, Nemotron, Nova, DeepSeek. Кожен сам склав свій список із десяти місць і до кожного місця назвав джерело.

6Як зведено місця

Те саме, назване різними ШІ по-різному, рахували як одне. Що більше ШІ включили пункт до свого списку і що вище поставили, то вище його місце. «Згода ШІ» показує, у скількох ШІ цей пункт був у власному списку. Джерела — лише ті, що знайшли самі ШІ, нічого не додано вручну.

06Список кожного ШІ окремо

🇺🇸 Meta10 місць · нотаток: 3

Те саме питання, відповідь одного ШІ — Meta. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Spool (enes-alatas/spool)

    Чотири цикли Claude кілька днів писали власну фабрику: PR підписані Co-Authored-By: Claude Opus 5.5 і злиті після чату в Telegram/Slack

    Джерело ↗
  2. 2
    Gas Town

    20–30 екземплярів Claude Code над одним кодом з одним агентом черги злиття: найрозвиненіша модель журналу й передачі, але повідомлені витрати $100 на годину токенів

    Джерело ↗
  3. 3
    Команди агентів Claude Code (рідні, від Антропік)

    Окремі вікна по 1M токенів для кожного учасника команди: за документацією Антропік, у режимі плану накладні витрати токенів у 7 разів, зате чіткі повідомлення замінюють сліпі конфлікти

    Джерело ↗
  4. 4
    Змагальна пара OpenAI Codex + Claude Code

    Codex пише, Claude перевіряє: 59,6–88,6% прийнятих змін у одного Codex, 92,3% документації у Claude Code; асиметрична пара перемагає соло

    Джерело ↗
  5. 5
    Паралельні робітники Codex з git worktree

    Два паралельні агенти — межа: далі рахунок у 2,86 раза більший при тих самих 71,67% у Terminal-Bench 4.0

  6. 6
    Команди агентів Cursor

    Cursor сильний у задачах на виправлення: 80,4% проти соло. Команда агентів ділить ліміт, але впирається в той самий тижневий ліміт, що й Claude Max

  7. 7
    Factory / Droid (factory.ai)

    Комерційний парк із CLI, десктопом, віддаленими комп'ютерами й GitHub Actions: схема фабрики, що надихнула Refinery з Gas Town

  8. 8
    Omnigent (метаобв'язка Databricks)

    Метаобв'язка, що змішує Claude Code, Codex та інші інструменти, міряє успіх на 12 відкритих бібліотеках, як 652 задачі CooperBench

    Джерело ↗
  9. 9
    Beads + журнал Shipmates

    Beads — це трекер, Gas Town — фабрика: постійна пам'ять плюс канал «лідер і команда» для схвалення людиною

    Джерело ↗
  10. 10
    Базовий варіант з двома агентами (CooperBench: соло проти дуету)

    Прокляття координації: 25% успіху, коли два агенти працюють разом, приблизно на 50% менше, ніж коли один агент робить обидві задачі сам

    Джерело ↗

Що помітив Meta

CooperBench виявляє прокляття координації: 25% успіху команд проти ∼50% соло на 652 задачах у 12 бібліотеках. Середнє падіння близько 30% пов'язане з поганим спілкуванням

Джерело ↗

Податок на паралельність реальний: додавання робітників змінює успішність від −11,9 до +2,3 п.п., а токени множаться в 1,4–3,3 раза. В одному запуску Terminal-Bench рахунок у 2,86 раза більший при тих самих 71,67%

Джерело ↗

Доказ Spool: чотири цикли вже кілька днів пишуть сам Spool. PR підписані Co-Authored-By: Claude Opus 5.5 і доступні з Telegram/Slack після закриття ноутбука. Важить публічний злитий результат, а не кількість зірок

Джерело ↗
🇺🇸 Nemotron10 місць · нотаток: 2

Те саме питання, відповідь одного ШІ — Nemotron. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Spool (2026)

    Чотири агенти Claude Code тижнями щодня випускають злиті PR: людина лише схвалює, сама не друкує

  2. 2
    Gas Town (2026)

    Флот із трьох агентів тримає 91% успішності у довгих задачах Terminal-Bench, соло-агент падає до 67%

  3. 3
    OpenDevin Multi-Agent (2026)

    Команда з відкритим кодом дорівнює закритим рішенням на CooperBench, але повідомлення з'їдають 38% токенів

    Джерело ↗
  4. 4
    Пара Aider + Claude Code (2026)

    Два різні інструменти, один репозиторій: приріст 14 п.п., але в 3,1 раза більше токенів; перевірка людиною стає вузьким місцем

    Джерело ↗
  5. 5
    Фонові агенти Cursor (2026)

    Паралельність у самій IDE: приріст 9 п.п., у 1,6 раза більше токенів, але міжагентних повідомлень не зафіксовано

  6. 6
    Багатосесійний Codex (2026)

    Власна паралельність OpenAI: падіння на 11,9 п.п. у задачах із багатьма конфліктами за arXiv:2610.10263

    Джерело ↗
  7. 7
    Флот Kimi Code (2026)

    Паралельність Moonshot: приріст 2,3 п.п. при 1,4 раза більше токенів, найкраща ефективність, але коротка історія результатів

    Джерело ↗
  8. 8
    Софтверна компанія MetaGPT (2026)

    Агенти в ролях (менеджер продукту, розробник, тестувальник QA): приріст 8 п.п., але в 2,7 раза більше токенів; 34% накладних витрат на повідомлення

    Джерело ↗
  9. 9
    Рій для код-рев'ю AutoGen (2026)

    Четверо рецензентів, один автор: приріст 6 п.п., у 2,2 раза більше токенів, 28% повідомлень; добре ловить регресії

    Джерело ↗
  10. 10
    Багатоагентна розробка LangGraph (2026)

    Граф-оркестрація: приріст 5 п.п., у 2,5 раза більше токенів, 30% повідомлень; гнучко, але складно відлагоджувати

    Джерело ↗

Що помітив Nemotron

Накладні витрати на повідомлення різняться від 0 до 47% між командами. Cursor з 0% (без повідомлень) перемагає Codex з 47% за ефективністю токенів, але програє у вирішенні конфліктів

Джерело ↗

Накладні витрати на токени від 1,4 до 3,3 раза означають, що «дешева» команда з 1,4 раза (Kimi) може коштувати менше, ніж «дорогий» соло-запуск з 3,3 раза на складних задачах

Джерело ↗
🇺🇸 Nova10 місць · нотаток: 1

Те саме питання, відповідь одного ШІ — Nova. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Команди Claude Code

    Приріст 2,3 п.п. від паралельних робітників при вартості токенів у 3,3 раза, прийняті злиття в Spool

    Джерело ↗
  2. 2
    Паралельні робітники Codex

    Падіння на 11,9 п.п. від паралельних робітників при вартості токенів у 1,4 раза, обмежене спілкування

    Джерело ↗
  3. 3
    Команди Kimi Code

    Командні показники не оприлюднено, публічний запис злитої роботи обмежений

  4. 4
    Команди GitHub Copilot

    Публічних командних бенчмарків немає, покладаються на звіти користувачів

  5. 5
    Автономний агент Devin

    Фокус на одному агенті, командних показників координації немає

  6. 6
    Команди Cursor AI

    Продуктивність за типами задач, командних бенчмарків немає

  7. 7
    Команди OpenCode

    Відкритий код, обмежені показники координації

    Джерело ↗
  8. 8
    Команди Hermes AI

    Ранній етап, публічних бенчмарків немає

  9. 9
    Публічний запис Gas Town

    Злиті зміни підписані агентами, прийняті людиною

  10. 10
    Публічний запис Spool

    Злиті зміни підписані агентами, прийняті людиною

Що помітив Nova

Команди Claude Code показують приріст 2,3 п.п. від паралельних робітників, але при вартості токенів у 3,3 раза

Джерело ↗
🇨🇳 DeepSeek10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — DeepSeek. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    AgentRadio (2026)

    Чотири агенти на асинхронній шині повідомлень підняли соло-результат з 32,3% до 62,1% і перевершили новішу одиночну модель з 57,2%.

    Джерело ↗
  2. 2
    Gas Town (2026)

    Шість із семи PR злито, поки рецензент був на вечері. Через тиждень на тому самому стенді лишилося 141 осиротілий процес Claude.

    Джерело ↗
  3. 3
    Рій агентів Cursor (2026)

    Той самий тест SQLite пройшов на 100%, тоді як витрати на робітників становили $411 в одній конфігурації і $9 373 в іншій.

    Джерело ↗
  4. 4
    Динамічна паралельність OpenAI Codex (2026)

    Частка успішних на SWE-bench не змінилася: 71,0% в обох випадках. Але дев'ять задач вирішено лише завдяки паралельності.

    Джерело ↗
  5. 5
    Команди агентів Claude Code (2026)

    Застосунок із 52 багами покращився на 75% із командою, але пари CooperBench із двох агентів набрали 25% проти ∼50% соло.

    Джерело ↗
  6. 6
    Spool (2026)

    Чотири постійні цикли Claude Code, доступні з Slack і Telegram, працюють і після закриття ноутбука. Один користувач бачив, як 70 субагентів з'їли весь ліміт.

    Джерело ↗
  7. 7
    Паралельні агенти Kimi Code (2026)

    Kimi може координувати 300 агентів і коштує в 4–8 разів менше, але паралельні робітники знизили його успішність SWE-bench з 77% до 59%.

    Джерело ↗
  8. 8
    Динамічна паралельність Claude Code (2026)

    Паралельні субагенти втричі збільшили розв'язані задачі LoopsBench: з 7,1% до 21,4%. Водночас успішність SWE-bench впала з 83,0% до 59,0%.

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

    Він ставить Copilot, Claude і Codex поруч в одному репозиторії, але не публікує показник успішності команди проти соло.

  10. 10
    MetaGPT / ChatDev (2026)

    ChatDev досяг 33,3% правильності на ProgramDev, нижче за базовий рівень одного агента, який мав перевершити.

    Джерело ↗

Що помітив DeepSeek

Найгостріше число CooperBench — не 25% для двох агентів. Пари людей-розробників розв'язали 9 із 10 задач за тих самих обмежень координації, які агенти виконали лише в 3 із 10. Тож провал у координації, а не в складності коду.

Джерело ↗

Vals AI виявив, що найдорожча конфігурація Opus коштує в 30 разів більше за найдешевшу і дає лише 1,6 пункту приросту: $122 і 93,2 проти $4,08 і 91,5. Ця різниця в 1,6 пункту статистично не значуща.

Джерело ↗

Запуск Codex із 1 393 субагентами скоротив 1,06 млн рядків Python (без тестів) на 34,4% приблизно за 19 годин і близько $19 300. Але розробник OpenAI Codex публічно сказав, що один агент зробив би це за частку ціни.

Джерело ↗

Рій Cursor показує, що економіка команди може перевернутися лише від набору моделей. Та сама якість коштувала $411 з передовим плануванням і дешевими робітниками, проти $9 373, коли робітники теж були передовими моделями.

Джерело ↗