Исследователи из Стэнфордского университета представили работу Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams, опубликованную на arXiv 30 сентября 2026 года. Авторы изучили эффективность работы команд ИИ-агентов при распределении ограниченных ресурсов, включая бюджеты API-токенов, планирование визитов и очереди слияния кода.
Команда протестировала пять моделей в 77 сценариях с использованием нового фреймворка MAMUBench. Выяснилось, что один координирующий агент справляется с задачами лучше, чем группа. Одиночные системы достигали 32–64% от оптимальных показателей, тогда как эффективность командных решений варьировалась в пределах 12–30%.
Худшие результаты показали группы без коммуникации, чей успех в ряде случаев падал до 2–7%. Наличие каналов связи лишь незначительно улучшало ситуацию: агенты часто бездействовали или отменяли действия коллег. При увеличении числа агентов с 4 до 16 уровень участия в задачах снижался с 66–82% до 10–25%.
Авторы исследования пришли к выводу, что преимущества многоагентных стратегий часто обусловлены дополнительными вычислительными мощностями, а не реальным взаимодействием. Децентрализация, по мнению ученых, может усиливать конфликты между агентами. В работе также предложены способы устранения выявленных ошибок.
