Vals AI测试：多智能体团队成本增5倍但质量提升有限

AI代理团队在构建Web应用时，成本比单个代理高出1.8到5.1倍，但性能提升并不明显。

Vals AI在Vibe Code Bench上测试了GPT-6 Sol和Claude Opus 5.5。结果显示，只有Sol在中等推理强度下的团队模式得分有统计学意义的提高（+7.3分），其他三种对比均无显著差异。

高推理强度的单代理往往比低推理强度的团队更具性价比。例如，Sol的最大推理单代理成本是中等推理团队的1.6倍，但得分更高。Opus的团队模式甚至导致运行时间延长和成本激增，却未带来显著的质量飞跃。

该结论基于Vals AI的自测数据，仅适用于全栈Web应用开发场景，未必推广到其他任务类型。