今日のトレンドに戻る: AIの助っ人チームが、24時間態勢で自分たちのソフトを作っている
Poly ランキング · 今日のトレンドから

AIコーディング・エージェントのチーム対1体：2026年のトップ9

2つの有力なAIコーディング・エージェントがペアで動いても、CooperBenchのタスクで成功するのは約25%にとどまります。あるCodexのテストでは、サブエージェントを追加してもスコアは71.0%のまま変わらず、解決したタスク1件あたりのトークン数は7.69Mから24.12Mに増えました。

  • 1位：Gas Town
  • 9 位まで

01最終リスト

主要なAIがそれぞれ独自に10位までのリストを作りました。上は確かめやすい1つの総合結果です。各順位には理由と、それを選んだ AI、AI が示した場合は出典があります。

明るいバッジは、その AI がこの項目を自分のリストに入れたことを示します。薄いバッジは入れなかったことを示します。

  1. 1

    Gas Town

    20〜30個のClaude Codeインスタンスを動かします。あるレビュー担当者は、ある晩に7件中6件のプルリクエストがマージされるのを見ましたが、1週間後には141個の孤立したプロセスが見つかりました。従量課金のコストは時間あたり$100近くと報告されています。

    選んだ AI: Meta, Nemotron, Nova, DeepSeek. 選ばなかった AI: Wenxin.

    各 AI のリストでの順位: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2

    各 AI の指摘 4
    • Meta2 位

      1つのコードベースで Claude Code を 20〜30 個同時に動かし、マージを待つ行列を管理するエージェントを1つ置く。台帳と引き継ぎの仕組みが最も発達しているが、トークンの消費は $100/時間と報告されている

      出典 ↗
    • Nemotron2 位

      3エージェントの艦隊が、Terminal-Bench の長いタスクで 91% の合格率を維持。単独エージェントは 67% に落ちる

    • Nova9 位

      マージされた変更にはエージェントの署名が付き、人が承認する

    • DeepSeek2 位

      7件中6件の PR が、レビュアーが夕食をとっている間にマージされた。1週間後、同じ環境には 141 個の親を失った Claude プロセスが残っていた。

      出典 ↗
    4つのAIがここに選出
    出典 ↗
  2. 2

    Claude Code agent teams

    Anthropicのドキュメントによると、プランモードではチームが1セッションの約7倍のトークンを使います。1件のCircleCIのバグテストでは、チームの向上のほうが大きく、17.27対9.87ポイントでした。

    選んだ AI: Meta, Nova, DeepSeek. 選ばなかった AI: Nemotron, Wenxin.

    各 AI のリストでの順位: Meta: 3 · Nova: 1 · DeepSeek: 5

    各 AI の指摘 3
    • Meta3 位

      チームメンバーごとに独立した100万トークンの作業枠。Anthropic のドキュメントによると、計画モードではトークンの負担が7倍になるが、明示的なメッセージのやり取りで、盲目的な衝突は防げる

      出典 ↗
    • Nova1 位

      並列ワーカーで2.3ポイントの向上。トークンコストは 3.3 倍。Spool でマージが採用された

      出典 ↗
    • DeepSeek5 位

      52 のバグを含むアプリは、チームによって 75% 多く改善した。一方、CooperBench の2エージェントのペアは 25% にとどまり、単独の約50%に及ばなかった。

      出典 ↗
    3つのAIがここに選出
    出典 ↗
  3. 3

    AgentRadio

    ここで最も大きく測定された成果は、メッセージバスでつながった4つのエージェントが、単独時の32.3%から62.1%に上がったことです。より新しい単一モデルの57.2%も上回りました。この数字を報告しているのは1つの情報源だけです。

    選んだ AI: DeepSeek. 選ばなかった AI: Meta, Nemotron, Nova, Wenxin.

    各 AI のリストでの順位: DeepSeek: 1

    各 AI の指摘 1
    • DeepSeek1 位

      非同期メッセージバス上で動く4つのエージェントは、単独の 32.3% を 62.1% に引き上げた。さらに、新しい単一モデルの 57.2% も上回った。

      出典 ↗
    1つのAIがここに選出
    出典 ↗
  4. 4

    Cursor agent swarm

    どの構成もSQLiteを再構築して100%のテスト合格に達しました。ただし、ワーカーに使った費用はモデルの組み合わせによって$411から$9,373まで幅があり、その差は22倍です。単独での基準値はありません。

    選んだ AI: Meta, Nemotron, Nova, DeepSeek. 選ばなかった AI: Wenxin.

    各 AI のリストでの順位: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3

    各 AI の指摘 4
    • Meta6 位

      Cursor は修正タスクに強く、80.4%（単独利用時との比較）。チームでの並列化は利用枠を分け合うが、Claude Max と同じ週次上限に達する

    • Nemotron5 位

      IDE に組み込まれた並列化。9ポイントの向上、トークンは 1.6 倍。ただし、エージェント間のメッセージのやり取りは記録されていない

    • Nova6 位

      タスク別の性能は示されるが、チームのベンチマークはない

    • DeepSeek3 位

      同じ SQLite のテストは 100% 合格した。一方、ワーカーの支出は、ある構成では 411 ドル、別の構成では 9,373 ドルだった。

      出典 ↗
    4つのAIがここに選出
    出典 ↗
  5. 5

    OpenAI Codex sub-agents

    約3倍のコストをかけても向上はありませんでした。SWE-benchでは、トークン数が3倍になったのに、どちらの方法でも71.0%のままでした。Terminal-Benchでは、タスクあたり$9.01対$25.80で、同じ71.67%が得られました。

    選んだ AI: Meta, Nemotron, Nova, DeepSeek. 選ばなかった AI: Wenxin.

    各 AI のリストでの順位: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4

    各 AI の指摘 4
    • Meta4 位

      Codex が書き、Claude がレビューする。Codex 単独の採用率は 59.6〜88.6%、Claude Code はドキュメントで 92.3%。役割を分けた組み合わせは、単独より優れている

      出典 ↗
    • Nemotron3 位

      オープンソースのチームが、CooperBench で商用製品と肩を並べる。ただし、メッセージのやり取りがトークンの 38% を使う

      出典 ↗
    • Nova5 位

      単独エージェントに焦点があり、チームの協調指標はない

    • DeepSeek4 位

      Codex の合格率は SWE-bench で変わらなかった。どちらの方法でも 71.0%。しかし、9つのタスクは並行実行によってのみ解けた。

      出典 ↗
    4つのAIがここに選出
    出典 ↗
  6. 6

    Claude Code parallel sub-agents

    結果は逆になりました。LoopsBenchの完全解決は3倍に増えました（7.1%から21.4%）が、SWE-bench Verifiedは83.0%から59.0%に下がりました。その下落幅は、研究の見出しにある11.9ポイントの幅より大きいため、異論があります。

    選んだ AI: Nova, DeepSeek. 選ばなかった AI: Meta, Nemotron, Wenxin.

    各 AI のリストでの順位: Nova: 2 · DeepSeek: 8

    各 AI の指摘 2
    • Nova2 位

      並列ワーカーで11.9ポイントの低下。トークンコストは 1.4 倍。メッセージのやり取りは限定的

      出典 ↗
    • DeepSeek8 位

      並列のサブエージェントは LoopsBench の解決数を 7.1% から 21.4% へ 3 倍にした。一方、SWE-bench の合格は 83.0% から 59.0% に下がった。

      出典 ↗
    2つのAIがここに選出
    出典 ↗
  7. 7

    Kimi Code parallel agents

    300体のエージェントを調整し、フロンティアモデルより4〜8倍コストが低いとしています。ただし、あるブログは、並列ワーカーによってSWE-benchの合格率が77%から59%に下がったと報告しています。この数字は単一の情報源によるものです。

    選んだ AI: Nemotron, Nova, DeepSeek. 選ばなかった AI: Meta, Wenxin.

    各 AI のリストでの順位: Nemotron: 7 · Nova: 3 · DeepSeek: 7

    各 AI の指摘 3
    • Nemotron7 位

      ムーンショットの並列化。トークン 1.4 倍で 2.3ポイントの向上。効率は最良だが、実績は短い

      出典 ↗
    • Nova3 位

      チームの指標は非公開。公開されたマージ作業の記録は限られる

    • DeepSeek7 位

      Kimi は 300 のエージェントを調整でき、コストは 4〜8 倍安い。しかし、並列ワーカーにより SWE-bench の合格率は 77% から 59% に下がった。

      出典 ↗
    3つのAIがここに選出
    出典 ↗
  8. 8

    MetaGPT / ChatDev

    古いロールプレイ型のチームは、1体のエージェントに負けています。単独のエージェントは10問で上回り、負けたのは1問だけでした。ChatDevはProgramDevで正答率33.3%にしか届きませんでした。

    選んだ AI: Nemotron, DeepSeek. 選ばなかった AI: Meta, Nova, Wenxin.

    各 AI のリストでの順位: Nemotron: 8 · DeepSeek: 10

    各 AI の指摘 2
    • Nemotron8 位

      役割を演じるエージェント（PM、開発、QA）。8ポイントの向上だが、トークンは 2.7 倍。メッセージのやり取りの負担は 34%

      出典 ↗
    • DeepSeek10 位

      ChatDev は ProgramDev で 33.3% の正答率に届いた。これは、上回るはずだった単一エージェントの基準より低い。

      出典 ↗
    2つのAIがここに選出
    出典 ↗
  9. 9

    GitHub Copilot Agent HQ

    Copilot、Claude、Codexを同じリポジトリで並べて動かせますが、チームと単独の成功率は公表されていません。そのため、チームが1体のエージェントに勝つかどうかは分かりません。

    選んだ AI: Nova, DeepSeek. 選ばなかった AI: Meta, Nemotron, Wenxin.

    各 AI のリストでの順位: Nova: 4 · DeepSeek: 9

    各 AI の指摘 2
    • Nova4 位

      チームの公開ベンチマークはなく、ユーザーの報告に依存している

    • DeepSeek9 位

      1つのリポジトリで Copilot、Claude、Codex を並べて使える。ただし、チーム対単独の成功率は公表していない。

    2つのAIがここに選出
    出典なし

02知っておきたいこと

AI がリストを作る中で気づいたこと。

CooperBenchでは、エージェントがトークン予算の15〜20%をお互いへのメッセージに使っていました。これによりマージの衝突は約30%減りましたが、機能の完成率は上がりませんでした。

気づいた AI:
選んだ AI: Nova, DeepSeek. 選ばなかった AI: Meta, Nemotron, Wenxin.
出典 ↗

同じルールのもとで、人間の開発者のペアはCooperBenchのタスクを10件中9件解きましたが、エージェントは10件中3件でした。失敗の原因はコーディングの難しさではなく、連携にあります。

気づいた AI:
選んだ AI: DeepSeek. 選ばなかった AI: Meta, Nemotron, Nova, Wenxin.
出典 ↗

1,393体のサブエージェントを使ったCodexの実行は、約19時間で約$19,300かかりました。その後、あるOpenAI Codexの開発者は、2体を超える並列エージェントは、品質が上がらないままほぼ確実にトークンを浪費すると述べました。

気づいた AI:
選んだ AI: Meta, DeepSeek. 選ばなかった AI: Nemotron, Nova, Wenxin.
出典 ↗

Vals AIは、最も高価なOpusのチーム構成が、最も安いものの30倍のコスト（$122対$4.08）だったと明らかにしました。得られた向上は1.6ポイント（93.2対91.5）ですが、統計的に有意ではありませんでした。

気づいた AI:
選んだ AI: DeepSeek. 選ばなかった AI: Meta, Nemotron, Nova, Wenxin.
出典 ↗

CooperBenchの低下幅は2通りで引用されています。単独より約50%低い（絶対成功率25%）というものと、要旨にある「平均で少なくとも30%の低下」です。これは基準が異なる別の数字で、同じ数字ではありません。

気づいた AI:
選んだ AI: Meta, DeepSeek. 選ばなかった AI: Nemotron, Nova, Wenxin.
出典 ↗

03よくある質問

AIコーディング・エージェントとは何ですか？

AIコーディング・エージェントとは、モデルに動かされるツールで、リポジトリを読み、ファイルを編集し、テストを実行して、目標に向けて繰り返し作業するものです。CooperBenchが652件のタスクで2つを組み合わせたところ、成功したのは約25%でした。

出典 ↗
AIコーディング・エージェントはどのように動きますか？

計画、編集、テストの実行、再試行を繰り返して進みます。並列のサブエージェントを有効にすると、各サブエージェントが自分のコンテキストを読み込むため、トークン使用量は逐次実行の1.41〜3.31倍になります。

出典 ↗
AIエージェントは協力できますか？

はい、ただしまだうまくはできません。2体のチームはCooperBenchで約25%の得点で、両方の機能を与えられた単独のエージェントのおよそ半分です。基準が違うため、30%の低下と呼ぶ要約もあります。

出典 ↗
AIエージェントはどのように協力して作業しますか？

タスク一覧を共有し、互いにメッセージを送り、ブランチをマージします。Gas Townは、gitに裏付けられた台帳と単一のマージキューを通じて、20〜30個のClaude Codeインスタンスを調整します。

出典 ↗

04集計方法

数式なしで、やさしい言葉で。

1質問

単独で動く1体のエージェントに勝てるかどうかで並べた、AIコーディング・エージェントのチーム上位10件

2このテーマを選んだ理由

協力のベンチマーク、トークンのコストに関する研究、実際にマージされた作業の記録を並べて示すので、読者は、エージェントのチームが単独の1体を本当に上回る場面と、主に会話を増やすだけの場面を見分けられます。

3対象範囲

全世界、AIによるソフトウェア開発

4評価の観点

  • 同じ総作業量を与えられた単独のエージェントと並べて示す、協力コーディング・タスクでのチームの成功率
  • 並列ワーカーを追加したときの合格率の変化を、追加されるトークン量と比べたもの
  • コードを書くことではなく、エージェント同士のメッセージのやり取りに使われた予算の割合
  • 各変更を人が承認しながら数日間動くかどうか。エージェントが署名した公開のマージ記録から判断
  • CooperBench（スタンフォード大学、SAP Labs US）— 12のオープンソースライブラリにまたがる652件の協力コーディング・タスクで、2つのエージェントの成功率を、両方の機能を与えられた1体のエージェントと比較。トークンのうちメッセージに使われた割合
  • 並列サブエージェントの研究、arXiv 2610.10263（Codex、Claude Code、Kimi Code）— 並列ワーカーを有効にしたときの合格率の変化（11.9ポイントの低下から2.3ポイントの向上まで）とトークン使用量（逐次実行の1.41〜3.31倍）
  • AnthropicのClaude Codeエージェント・チームのドキュメント — 1つのセッションと比べた、チームのトークン使用について開発元自身が説明したもの
  • GitHubの公開リポジトリの記録（Gas Town、Spool）— 人が承認したエージェント署名の変更のマージ。スター数とは切り分けて記載

5順位をつけた AI

主要なAI：Meta, Nemotron, Nova, Wenxin, DeepSeek。それぞれが独自に10位までのリストを作り、各順位に出典を示しました。

6順位の決め方

AI ごとに表現が違っても同じ項目は一つとして数えました。より多くの AI がリストに入れ、より上位に置いた項目ほど順位が高くなります。「AI の一致」は、その項目を自分のリストに入れた AI の数を示します。出典は AI 自身が見つけたものだけで、手作業での追加はありません。

05各 AI のリスト

🇺🇸 Meta10 位まで · メモ 3 件

同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Spool (enes-alatas/spool)

    Claude の常時稼働ループ4つが、数日間にわたって自分たちの工場を作り続けた。Telegram/Slack でのチャットを経て、Co-Authored-By: Claude Opus 5.5 の署名が付いた PR（プルリクエスト）がマージされた

    出典 ↗
  2. 2
    Gas Town

    1つのコードベースで Claude Code を 20〜30 個同時に動かし、マージを待つ行列を管理するエージェントを1つ置く。台帳と引き継ぎの仕組みが最も発達しているが、トークンの消費は $100/時間と報告されている

    出典 ↗
  3. 3
    Claude Code のエージェントチーム（Anthropic 純正）

    チームメンバーごとに独立した100万トークンの作業枠。Anthropic のドキュメントによると、計画モードではトークンの負担が7倍になるが、明示的なメッセージのやり取りで、盲目的な衝突は防げる

    出典 ↗
  4. 4
    OpenAI Codex と Claude Code の相互チェック

    Codex が書き、Claude がレビューする。Codex 単独の採用率は 59.6〜88.6%、Claude Code はドキュメントで 92.3%。役割を分けた組み合わせは、単独より優れている

    出典 ↗
  5. 5
    git worktree を使う Codex の並列ワーカー

    並列エージェントは2つまでが限界。それ以上にすると、Terminal-Bench 4.0 で同じ 71.67% に対し、請求額が 2.86 倍になる

  6. 6
    Cursor のエージェントチーム

    Cursor は修正タスクに強く、80.4%（単独利用時との比較）。チームでの並列化は利用枠を分け合うが、Claude Max と同じ週次上限に達する

  7. 7
    Factory / Droid (factory.ai)

    CLI、デスクトップ、リモートのコンピューター、GitHub Actions にまたがる商用の艦隊。Gas Town の Refinery に着想を与えた工場型の仕組み

  8. 8
    Omnigent（Databricks のメタハーネス）

    Claude Code、Codex などを組み合わせるメタハーネス。CooperBench の652タスクのように、12 のオープンソースライブラリで成功を測る

    出典 ↗
  9. 9
    Beads + Shipmates の台帳

    Beads は追跡ツール、Gas Town は工場。永続的なメモリに、人が承認に関われるリード＆クルーのチャンネルを加えたもの

    出典 ↗
  10. 10
    2エージェントの一般的な基準（CooperBench の単独対2人組）

    協調の呪い。2つのエージェントが協力すると成功率は 25%。同じ2つの作業を1つのエージェントが単独で行う場合より、約50%低い

    出典 ↗

Meta が気づいたこと

CooperBench は協調の呪いを示す。652タスク、12 ライブラリで、チームの成功率は 25%、単独は約50%。意思疎通の悪さに関連して、平均で約30%の低下

出典 ↗

並列化の税は現実にある。ワーカーを増やすと合格率は -11.9〜+2.3 ポイント変わり、トークンは 1.4〜3.3 倍に増える。ある Terminal-Bench の実行では、同じ 71.67% に対して請求額が 2.86 倍になった

出典 ↗

Spool の実績。4つのループが Spool 自体を数日間作り続け、Co-Authored-By: Claude Opus 5.5 の署名が付いた PR が、ノートPCを閉じた後も Telegram/Slack から操作できる。重要なのはスター数ではなく、公開されてマージされた記録

出典 ↗
🇺🇸 Nemotron10 位まで · メモ 2 件

同じ質問に Nemotron だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Spool（2026）

    Claude Code のエージェント4つが、数週間にわたり毎日マージ済みの PR を出す。人間は承認するだけで、自分では一切入力しない

  2. 2
    Gas Town（2026）

    3エージェントの艦隊が、Terminal-Bench の長いタスクで 91% の合格率を維持。単独エージェントは 67% に落ちる

  3. 3
    OpenDevin のマルチエージェント（2026）

    オープンソースのチームが、CooperBench で商用製品と肩を並べる。ただし、メッセージのやり取りがトークンの 38% を使う

    出典 ↗
  4. 4
    Aider + Claude Code のペア（2026）

    2つの異なるツール、1つのリポジトリ。14ポイントの向上だが、トークンは 3.1 倍。人間のレビューがボトルネックになる

    出典 ↗
  5. 5
    Cursor のバックグラウンドエージェント（2026）

    IDE に組み込まれた並列化。9ポイントの向上、トークンは 1.6 倍。ただし、エージェント間のメッセージのやり取りは記録されていない

  6. 6
    Codex のマルチセッション（2026）

    OpenAI 自身の並列化。arXiv:2610.10263 によると、衝突の多いタスクでは 11.9ポイント低下

    出典 ↗
  7. 7
    Kimi Code の艦隊（2026）

    ムーンショットの並列化。トークン 1.4 倍で 2.3ポイントの向上。効率は最良だが、実績は短い

    出典 ↗
  8. 8
    MetaGPT のソフトウェア会社（2026）

    役割を演じるエージェント（PM、開発、QA）。8ポイントの向上だが、トークンは 2.7 倍。メッセージのやり取りの負担は 34%

    出典 ↗
  9. 9
    AutoGen のコードレビュー群（2026）

    レビュアー4人、ライター1人。6ポイントの向上、トークンは 2.2 倍、メッセージの負担は 28%。回帰バグの発見に優れる

    出典 ↗
  10. 10
    LangGraph のマルチエージェント開発（2026）

    グラフで編成。5ポイントの向上、トークンは 2.5 倍、メッセージの負担は 30%。柔軟だが、デバッグは複雑

    出典 ↗

Nemotron が気づいたこと

メッセージのやり取りの負担はチームによって 0〜47% とばらつく。Cursor の 0%（メッセージなし）はトークン効率で Codex の 47% に勝るが、衝突の解決では負ける

出典 ↗

トークンの負担が 1.4〜3.3 倍になるということは、難しいタスクでは「安い」1.4 倍のチーム（Kimi）が、「高い」3.3 倍の単独実行より安く済む場合があるということ

出典 ↗
🇺🇸 Nova10 位まで · メモ 1 件

同じ質問に Nova だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Claude Code チーム

    並列ワーカーで2.3ポイントの向上。トークンコストは 3.3 倍。Spool でマージが採用された

    出典 ↗
  2. 2
    Codex の並列ワーカー

    並列ワーカーで11.9ポイントの低下。トークンコストは 1.4 倍。メッセージのやり取りは限定的

    出典 ↗
  3. 3
    Kimi Code チーム

    チームの指標は非公開。公開されたマージ作業の記録は限られる

  4. 4
    GitHub Copilot チーム

    チームの公開ベンチマークはなく、ユーザーの報告に依存している

  5. 5
    Devin（自律エージェント）

    単独エージェントに焦点があり、チームの協調指標はない

  6. 6
    Cursor AI チーム

    タスク別の性能は示されるが、チームのベンチマークはない

  7. 7
    OpenCode チーム

    オープンソースで、協調の指標は限られる

    出典 ↗
  8. 8
    Hermes AI チーム

    初期段階で、公開ベンチマークはない

  9. 9
    Gas Town の公開記録

    マージされた変更にはエージェントの署名が付き、人が承認する

  10. 10
    Spool の公開記録

    マージされた変更にはエージェントの署名が付き、人が承認する

Nova が気づいたこと

Claude Code チームは、並列ワーカーで2.3ポイントの向上を示すが、トークンコストは 3.3 倍

出典 ↗
🇨🇳 DeepSeek10 位まで · メモ 4 件

同じ質問に DeepSeek だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    AgentRadio（2026）

    非同期メッセージバス上で動く4つのエージェントは、単独の 32.3% を 62.1% に引き上げた。さらに、新しい単一モデルの 57.2% も上回った。

    出典 ↗
  2. 2
    Gas Town（2026）

    7件中6件の PR が、レビュアーが夕食をとっている間にマージされた。1週間後、同じ環境には 141 個の親を失った Claude プロセスが残っていた。

    出典 ↗
  3. 3
    Cursor のエージェント群（2026）

    同じ SQLite のテストは 100% 合格した。一方、ワーカーの支出は、ある構成では 411 ドル、別の構成では 9,373 ドルだった。

    出典 ↗
  4. 4
    OpenAI Codex の動的並行実行（2026）

    Codex の合格率は SWE-bench で変わらなかった。どちらの方法でも 71.0%。しかし、9つのタスクは並行実行によってのみ解けた。

    出典 ↗
  5. 5
    Claude Code のエージェントチーム（2026）

    52 のバグを含むアプリは、チームによって 75% 多く改善した。一方、CooperBench の2エージェントのペアは 25% にとどまり、単独の約50%に及ばなかった。

    出典 ↗
  6. 6
    Spool（2026）

    Slack と Telegram から操作できる4つの永続的な Claude Code ループは、ノートPCを閉じた後も動き続ける。あるユーザーは、70 個のサブエージェントが利用枠を丸ごと食いつぶすのを見届けた。

    出典 ↗
  7. 7
    Kimi Code の並列エージェント（2026）

    Kimi は 300 のエージェントを調整でき、コストは 4〜8 倍安い。しかし、並列ワーカーにより SWE-bench の合格率は 77% から 59% に下がった。

    出典 ↗
  8. 8
    Claude Code の動的並行実行（2026）

    並列のサブエージェントは LoopsBench の解決数を 7.1% から 21.4% へ 3 倍にした。一方、SWE-bench の合格は 83.0% から 59.0% に下がった。

    出典 ↗
  9. 9
    GitHub Copilot Agent HQ（2026）

    1つのリポジトリで Copilot、Claude、Codex を並べて使える。ただし、チーム対単独の成功率は公表していない。

  10. 10
    MetaGPT / ChatDev（2026）

    ChatDev は ProgramDev で 33.3% の正答率に届いた。これは、上回るはずだった単一エージェントの基準より低い。

    出典 ↗

DeepSeek が気づいたこと

CooperBench で最も鋭い数字は、2エージェントの 25% ではない。人間の開発者のペアは、同じ協調の制約のもとで10件中9件を解いた。一方、エージェントは10件中3件しか解けなかった。つまり、失敗の原因はコーディングの難しさではなく、協調にある。

出典 ↗

Vals AI の調査では、最も高価な Opus の構成は、最も安い構成の 30 倍のコストがかかり、得点は 1.6 ポイントしか上がらなかった。122 ドルで 93.2 対、4.08 ドルで 91.5。そして、この 1.6 ポイントの差は統計的に有意ではなかった。

出典 ↗

1,393 のサブエージェントによる Codex の実行は、約 19 時間、約 19,300 ドルで、非テスト用の Python コード 106万行を 34.4% 削減した。しかし、OpenAI Codex の開発者は、単一エージェントならその一部のコストでできたと公に述べている。

出典 ↗

Cursor のスウォームは、モデルの組み合わせだけでチームの経済性が逆転しうることを示している。同じ品質が、最上位のプランナーと安価なワーカーでは 411 ドル。ワーカーも最上位モデルだと 9,373 ドルかかった。

出典 ↗

ほかのランキング