Times de agentes de IA gastam até 5,1x mais tokens por um ganho quase imperceptível

Times de agentes de IA mal superam os agentes individuais, mas custam até 5,1 vezes mais. Essa é a conclusão da Vals AI. Os pesquisadores rodaram os cenários em dois modelos de ponta, GPT-6 Sol e Claude Opus 5.5, e viram ganho mensurável com o trabalho em equipe em apenas um dos quatro testes. Os outros três tiveram diferenças difíceis de distinguir de ruído. Os dados da Anthropic mostram o mesmo quadro: depois de dez agentes, a qualidade chega a um platô, e os tokens continuam sendo queimados.

O que os testes mostraram

A ideia dos sistemas multiagente parece lógica. Um único agente tem dificuldade em manter uma tarefa grande na cabeça, então o trabalho é dividido entre especialistas: um planeja, outros executam, um terceiro revisa. Cada um opera no próprio contexto e, em teoria, erra menos.

A Vals AI comparou esses times com agentes individuais nas mesmas tarefas. O preço do trabalho em equipe é alto: o custo chegou a até 5,1 vezes o do agente solo. Diante disso, o ganho de qualidade é modesto. Ele apareceu em um cenário de quatro, e o resultado vale para os dois modelos, GPT-6 Sol e Claude Opus 5.5, o que impede atribuir a fraqueza da abordagem a falhas de um deles.

Pelo resumo disponível, não está claro quais tarefas fizeram parte do conjunto nem como a orquestração foi montada. Por isso, os números devem ser lidos como um sinal, e não como uma sentença contra todas as arquiteturas.

Platô depois de dez agentes

A Anthropic traz um argumento à parte. Os dados da própria empresa mostram que, quando o time tem mais de dez agentes, a qualidade para de crescer, enquanto o custo em tokens segue subindo. A curva de retorno se achata; a curva de gastos, não.

A causa provável é o custo de coordenação. Os agentes precisam passar contexto uns aos outros, conciliar resultados e rechecar o trabalho alheio. Cada um desses passos consome tokens e quase não acrescenta informação nova ao sistema. Essa é a minha interpretação, já que os dados de origem não explicam o mecanismo, mas ela explica bem por que aumentar o número de participantes deixa de compensar.

Principais números do estudo:

• pesquisador: Vals AI;
• modelos nos testes: GPT-6 Sol e Claude Opus 5.5;
• encarecimento da abordagem em equipe: até 5,1x em relação ao agente solo;
• ganho de qualidade mensurável: 1 teste de 4;
• limite segundo a Anthropic: acima de 10 agentes, a qualidade chega a um platô;
• o consumo de tokens continua crescendo além desse limite.

Como avaliar a abordagem multiagente no seu produto

Para quem constrói sistemas de agentes, a conclusão é prática: um enxame de agentes não deve ser tratado como a arquitetura padrão. A linha de base deve ser sempre um agente solo. Se um único agente, com um bom prompt e as ferramentas certas, resolve a tarefa, só vale adicionar um segundo quando houver ganho comprovado.

O que vale fazer:

1. Medir o custo por tarefa resolvida, e não a qualidade média. Um ganho de alguns pontos percentuais de precisão com uma conta cinco vezes maior quase sempre perde na comparação.

2. Comparar o time e o agente solo com os seus dados. O resultado em benchmarks de terceiros se transfere mal, e no estudo da Vals AI o ganho só apareceu em um cenário de quatro.

3. Limitar o tamanho do time. Se o número de agentes cresce, acompanhe onde o ganho termina.

Segundo a Anthropic, o limite fica em torno de dez. 4. Definir um orçamento de tokens por execução e interromper o processo quando ele for estourado.

Sistemas em equipe encarecem os erros: um enxame preso em loop gasta dinheiro mais rápido que um agente solo.

Os esquemas multiagente continuam sensatos para tarefas em que o paralelismo realmente economiza tempo ou em que são necessários contextos isolados. Mas agora será preciso provar o valor deles com números, e não com um diagrama de orquestração bonito.