研究显示多智能体团队消耗大量 token 却几乎无质量提升

Vals AI 在 Vibe Code Bench 上对比 GPT-6 Sol 和 Claude Opus 5.5 的单智能体与多智能体团队表现，团队成本达到单体的 1.8x 到 5.1x。四组对比中仅 GPT-6 Sol 在 medium reasoning 下高出 7.3 分且具统计显著性，其余场景几乎无质量提升。