«Мульти-агентный» обман: почему один LLM работает лучше целой команды

Вы тоже поверили в хайп вокруг AutoGen, CrewAI и LangGraph? Идея казалась гениальной: создаем команду виртуальных сотрудников (кодер, тестировщик, менеджер), даем им роли, и они решают задачи лучше, чем один ChatGPT.

Оказывается, мы просто сжигали видеокарты.

Свежее исследование, опубликованное на arXiv («Rethinking the Value of Multi-Agent Workflow»), переворачивает игру. Ученые задались вопросом: а что, если вся эта «магия» взаимодействия агентов — фикция?

Театр одного актера

Проблема большинства современных систем в том, что они гомогенны. То есть, под капотом у «менеджера» и «кодера» крутится одна и та же модель (например, GPT-4o), просто с разными промптами. Это похоже на одного актера, который бегает за кулисы, меняет парики и разговаривает сам с собой.

Исследователи доказали: если взять одного агента и заставить его последовательно выполнять те же шаги через правильный диалог, результат будет идентичным.

OneFlow: Алгоритм убийца

Авторы представили алгоритм OneFlow. Он берет сложный рабочий процесс, который раньше требовал толпы агентов, и автоматически перекраивает его под исполнение одной моделью.

Результаты шокируют:

1. Качество: Одиночный агент справляется с задачами (код, математика, планирование) так же хорошо, как и оптимизированные команды.
2. Скорость и цена: Одиночка выигрывает за счет переиспользования KV-кэша (KV cache reuse). Ему не нужно заново загружать контекст для каждого «нового» участника беседы.

Конец эпохи агентов?

Не совсем. Исследование делает важную оговорку: это работает только для систем, где все агенты используют одну и ту же модель.

Если ваша система гетерогенная (например, Claude 3.5 пишет код, а GPT-4o его проверяет) — мульти-агентность все еще имеет смысл, так как они не могут делить общий кэш памяти.

Но для 90% стартапов, которые просто плодят клонов одной модели, это сигнал: прекратите усложнять. Вы не создаете «рой интеллектов», вы просто переплачиваете за API.