AI 평가기업 Vals AI가 GPT-6 Sol과 클로드 오퍼스 5.5를 단독 에이전트와 팀 구성으로 비교한 결과, 팀 구성은 비용이 1.8~5.1배 더 들었지만 4개 비교 중 1개에서만 통계적으로 유의미한 개선이 나타났다. 최대 추론 노력 설정에서는 팀 구성이 두 모델 모두에 실질적 이점을 주지 못했다. 앤트로픽의 자체 실험에서도 오퍼스 5.5 에이전트를 10개에서 100개로 늘려도 24시간 후 점수는 소폭만 올랐으며, 오픈AI 연구원 노암 브라운은 멀티에이전트가 품질보다 속도만 사줄 뿐이라고 확인했다. 전문가들은 에이전트 간 조정이 깨지는 '조정 세금' 때문에 대규모 에이전트 스웜이 대부분 낭비라고 경고했다.
- •AI 에이전트 팀은 단독 에이전트보다 비용이 1.8~5.1배 들지만 품질 개선은 거의 없었다.
- •4개 비교 중 1개(GPT-6 Sol, 중간 추론)에서만 통계적으로 유의미한 점수 개선이 나타났다.
- •앤트로픽 실험에서 에이전트를 10개에서 100개로 늘려도 24시간 후 점수는 소폭만 상승했다.
- •오픈AI 노암 브라운은 멀티에이전트가 속도만 높이고 품질은 높이지 않는다고 확인했다.
- •전문가들은 에이전트 간 조정이 무너지는 '조정 세금' 때문에 대규모 스웜이 대부분 낭비라고 경고했다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
AI agent teams waste massive tokens for barely measurable quality gains, research finds
- 1.Vals AI 테스트, AI 에이전트 팀이 솔로 에이전트 대비 비용 최대 5.1배 더 들어
- 2.4개 비교 중 GPT-6 Sol 중간추론서만 유의미한 개선(7.3점), 나머지는 차이 없어
- 3.Anthropic 자체 테스트서도 10→100 에이전트 확장 시 성능 향상은 미미
- 4.OpenAI 노암 브라운 "멀티에이전트는 속도만 사고 품질은 못 사는 경우 많아"
왜 중요한가?
멀티에이전트 시스템이 비용 대비 품질 개선 효과가 거의 없다는 복수의 독립 연구 결과는, 에이전트 군집 전략에 대한 업계의 과도한 투자를 재고하게 하는 실증적 근거를 제공한다.
본문 미리보기
Teams of AI agents barely outperform solo agents but cost up to 5.1x more, according to Vals AI. Only one out of four tests with GPT-6 Sol and Claude Opus 5.5 showed a measurable gain. Anthropic's own data backs this up: beyond ten agents, quality plateaus while token costs keep climbing. The article AI agent teams waste massive tokens for barely measurable quality gains, research finds appeared first on The Decoder.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:33AI 초안
