У CooperBench агенти витрачали 15–20% бюджету токенів на повідомлення одне одному. Це зменшило конфлікти злиття приблизно на 30%, але не підвищило відсоток завершених функцій.
Назад до тренду дня: Команда ШІ-помічників тепер цілодобово створює власні програми
Рейтинг Poly · з тренду дня
Команда ШІ-агентів для коду проти одного агента: топ-9 за 2026 рік
Два провідні ШІ-агенти для коду, що працюють у парі, вдало виконують лише близько 25% завдань CooperBench. В одному тесті Codex додавання субагентів не змінило результат: 71,0%, а кількість токенів на розв'язане завдання зросла з 7,69 млн до 24,12 млн.
- №1: Gas Town
- 9 місць
01Підсумковий список
Провідні ШІ незалежно склали власні списки з десяти місць. Угорі — один підсумок, який легко перевірити: у кожного місця є причина, перелік ШІ, що його включили, і джерело, якщо ШІ його дали.
Яскрава плашка — цей ШІ включив пункт у свій список. Тьмяна — не включив.
- 1
Gas Town
Запускає 20–30 екземплярів Claude Code. Один рецензент побачив, що за вечір злили 6 із 7 запитів на злиття, а через тиждень знайшов 141 покинутий процес. За даними обліку, витрати наближалися до $100 на годину.
Увімкнули: Meta, Nemotron, Nova, DeepSeek. Не увімкнули: Wenxin.У їхніх списках: Meta: 2 · Nemotron: 2 · Nova: 9 · DeepSeek: 2
Що відзначив кожен ШІ 4
- Metaмісце 2
20–30 екземплярів Claude Code над одним кодом з одним агентом черги злиття: найрозвиненіша модель журналу й передачі, але повідомлені витрати $100 на годину токенів
Джерело ↗ - Nemotronмісце 2
Флот із трьох агентів тримає 91% успішності у довгих задачах Terminal-Bench, соло-агент падає до 67%
- Novaмісце 9
Злиті зміни підписані агентами, прийняті людиною
- DeepSeekмісце 2
Шість із семи PR злито, поки рецензент був на вечері. Через тиждень на тому самому стенді лишилося 141 осиротілий процес Claude.
Джерело ↗
4 ШІ поставили сюди - 2
Команди агентів Claude Code
Документація Антропік каже, що команда витрачає приблизно в 7 разів більше токенів, ніж одна сесія, у режимі планування. Окремий тест із помилкою CircleCI показав, що виграш команди більший: 17,27 проти 9,87 пункту.
Увімкнули: Meta, Nova, DeepSeek. Не увімкнули: Nemotron, Wenxin.У їхніх списках: Meta: 3 · Nova: 1 · DeepSeek: 5
Що відзначив кожен ШІ 3
- Metaмісце 3
Окремі вікна по 1M токенів для кожного учасника команди: за документацією Антропік, у режимі плану накладні витрати токенів у 7 разів, зате чіткі повідомлення замінюють сліпі конфлікти
Джерело ↗ - Novaмісце 1
Приріст 2,3 п.п. від паралельних робітників при вартості токенів у 3,3 раза, прийняті злиття в Spool
Джерело ↗ - DeepSeekмісце 5
Застосунок із 52 багами покращився на 75% із командою, але пари CooperBench із двох агентів набрали 25% проти ∼50% соло.
Джерело ↗
3 ШІ поставили сюди - 3
AgentRadio
Найбільший виміряний виграш тут: чотири агенти на спільній шині повідомлень підняли результат з 32,3% (самостійно) до 62,1%, обігнавши новішу одиночну модель із 57,2%. Так пише лише одне джерело.
Увімкнули: DeepSeek. Не увімкнули: Meta, Nemotron, Nova, Wenxin.У їхніх списках: DeepSeek: 1
Що відзначив кожен ШІ 1
- DeepSeekмісце 1
Чотири агенти на асинхронній шині повідомлень підняли соло-результат з 32,3% до 62,1% і перевершили новішу одиночну модель з 57,2%.
Джерело ↗
1 ШІ поставили сюди - 4
Рій агентів Cursor
Кожна конфігурація перебудувала SQLite зі 100% проходженням тестів, але витрати на робочих агентів коливалися від $411 до $9 373 залежно від набору моделей, тобто різниця у 22 рази. Базового варіанта з одним агентом немає.
Увімкнули: Meta, Nemotron, Nova, DeepSeek. Не увімкнули: Wenxin.У їхніх списках: Meta: 6 · Nemotron: 5 · Nova: 6 · DeepSeek: 3
Що відзначив кожен ШІ 4
- Metaмісце 6
Cursor сильний у задачах на виправлення: 80,4% проти соло. Команда агентів ділить ліміт, але впирається в той самий тижневий ліміт, що й Claude Max
- Nemotronмісце 5
Паралельність у самій IDE: приріст 9 п.п., у 1,6 раза більше токенів, але міжагентних повідомлень не зафіксовано
- Novaмісце 6
Продуктивність за типами задач, командних бенчмарків немає
- DeepSeekмісце 3
Той самий тест SQLite пройшов на 100%, тоді як витрати на робітників становили $411 в одній конфігурації і $9 373 в іншій.
Джерело ↗
4 ШІ поставили сюди - 5
Субагенти OpenAI Codex
Без приросту за приблизно втричі більшу ціну. SWE-bench залишився на 71,0% в обох варіантах, тоді як токени на розв'язане завдання зросли втричі. У Terminal-Bench $9,01 проти $25,80 за завдання купили той самий результат: 71,67%.
Увімкнули: Meta, Nemotron, Nova, DeepSeek. Не увімкнули: Wenxin.У їхніх списках: Meta: 4 · Nemotron: 3 · Nova: 5 · DeepSeek: 4
Що відзначив кожен ШІ 4
- Metaмісце 4
Codex пише, Claude перевіряє: 59,6–88,6% прийнятих змін у одного Codex, 92,3% документації у Claude Code; асиметрична пара перемагає соло
Джерело ↗ - Nemotronмісце 3
Команда з відкритим кодом дорівнює закритим рішенням на CooperBench, але повідомлення з'їдають 38% токенів
Джерело ↗ - Novaмісце 5
Фокус на одному агенті, командних показників координації немає
- DeepSeekмісце 4
Частка успішних на SWE-bench не змінилася: 71,0% в обох випадках. Але дев'ять задач вирішено лише завдяки паралельності.
Джерело ↗
4 ШІ поставили сюди - 6
Паралельні субагенти Claude Code
Протилежні результати: повне розв'язання задач у LoopsBench зросло втричі (з 7,1% до 21,4%), а SWE-bench Verified впало з 83,0% до 59,0%. Це падіння більше за головний діапазон дослідження в 11,9 пункту, тож його оспорюють.
Увімкнули: Nova, DeepSeek. Не увімкнули: Meta, Nemotron, Wenxin.У їхніх списках: Nova: 2 · DeepSeek: 8
Що відзначив кожен ШІ 2
2 ШІ поставили сюди - 7
Паралельні агенти Kimi Code
Координує 300 агентів за витрат у 4–8 разів менших, ніж у найсучасніших моделей, але один блог повідомляє, що паралельні робочі агенти знизили їхню частку пройдених завдань SWE-bench із 77% до 59%. Ця цифра з одного джерела.
Увімкнули: Nemotron, Nova, DeepSeek. Не увімкнули: Meta, Wenxin.У їхніх списках: Nemotron: 7 · Nova: 3 · DeepSeek: 7
Що відзначив кожен ШІ 3
- Nemotronмісце 7
Паралельність Moonshot: приріст 2,3 п.п. при 1,4 раза більше токенів, найкраща ефективність, але коротка історія результатів
Джерело ↗ - Novaмісце 3
Командні показники не оприлюднено, публічний запис злитої роботи обмежений
- DeepSeekмісце 7
Kimi може координувати 300 агентів і коштує в 4–8 разів менше, але паралельні робітники знизили його успішність SWE-bench з 77% до 59%.
Джерело ↗
3 ШІ поставили сюди - 8
MetaGPT / ChatDev
Старіші команди з рольовою грою програють одному агенту: один агент переміг їх у 10 задачах і програв в одній. ChatDev досяг лише 33,3% правильних відповідей на ProgramDev.
Увімкнули: Nemotron, DeepSeek. Не увімкнули: Meta, Nova, Wenxin.У їхніх списках: Nemotron: 8 · DeepSeek: 10
Що відзначив кожен ШІ 2
- Nemotronмісце 8
Агенти в ролях (менеджер продукту, розробник, тестувальник QA): приріст 8 п.п., але в 2,7 раза більше токенів; 34% накладних витрат на повідомлення
Джерело ↗ - DeepSeekмісце 10
ChatDev досяг 33,3% правильності на ProgramDev, нижче за базовий рівень одного агента, який мав перевершити.
Джерело ↗
2 ШІ поставили сюди - 9
GitHub Copilot Agent HQ
Працює з Copilot, Claude і Codex в одному репозиторії, але не публікує відсоток успішності команди порівняно з одним агентом, тож невідомо, чи команда обганяє одного агента.
Увімкнули: Nova, DeepSeek. Не увімкнули: Meta, Nemotron, Wenxin.У їхніх списках: Nova: 4 · DeepSeek: 9
Що відзначив кожен ШІ 2
- Novaмісце 4
Публічних командних бенчмарків немає, покладаються на звіти користувачів
- DeepSeekмісце 9
Він ставить Copilot, Claude і Codex поруч в одному репозиторії, але не публікує показник успішності команди проти соло.
2 ШІ поставили сюдиджерело не вказано
02Варто знати
Що помітили ШІ, поки складали список.
Пари людей-розробників розв'язали 9 із 10 завдань CooperBench за тих самих правил, за яких агенти розв'язали 3 із 10. Збій у координації, а не в складності коду.
Запуск Codex із 1 393 субагентами коштував приблизно $19 300 за близько 19 годин. Розробник OpenAI Codex потім сказав, що більше двох паралельних агентів майже напевно спалюють токени без жодного приросту якості.
Дослідження Vals AI показало, що найдорожча конфігурація команди Opus коштувала у 30 разів більше за найдешевшу ($122 проти $4,08) заради приросту в 1,6 пункту (93,2 проти 91,5), який не є статистично значущим.
Падіння CooperBench наводять двома способами: близько 50% нижче, ніж у соло (25% абсолютного успіху), і «щонайменше 30% середнього падіння» у резюме. Це різні базові показники, а не одна й та сама цифра.
03Що питають люди
що таке ШІ-агент для коду
ШІ-агент для коду — це інструмент на основі моделі, який читає репозиторій, редагує файли, запускає тести й крок за кроком наближається до мети. Коли CooperBench об'єднав два такі агенти для 652 завдань, вони успішно виконували лише близько 25% із них.
Джерело ↗як працюють ШІ-агенти для коду
Вони циклічно проходять планування, редагування, запуск тестів і повторні спроби. Коли ввімкнено паралельні субагенти, витрата токенів зростає до 1,41–3,31 раза порівняно з послідовним запуском, бо кожен субагент завантажує власний контекст.
Джерело ↗чи можуть ШІ-агенти працювати разом
Так, але поки що не дуже добре. Команди з двох агентів набрали близько 25% на CooperBench, приблизно половину результату одного агента, якому дали обидві функції. Деякі огляди називають це падінням на 30%, бо беруть інший базовий показник.
Джерело ↗як ШІ-агенти працюють разом
Вони ділять списки завдань, пишуть одне одному й зливають гілки. Gas Town координує 20–30 екземплярів Claude Code через журнал на основі git і одну чергу злиття.
Джерело ↗04Як рахували
Простими словами, без формул.
1Питання
Топ-10 команд ШІ-агентів для коду за тим, чи обганяють вони одного агента, що працює самостійно
2Чому ця тема
Тут поруч стоять тест на співпрацю, дослідження витрат токенів і реальні записи злитої роботи, тож читач бачить, коли команда агентів справді обганяє одного агента, а коли переважно додає балаканини.
3Де це застосовно
глобально, програмна інженерія на основі ШІ
4На що дивилися
- Частка успішних виконань спільних завдань із кодом у команди, поруч з одним агентом із тим самим загальним обсягом роботи
- Зміна частки успішних розв'язань, коли додають паралельних робочих агентів, порівняно з додатковими токенами, які вони витрачають
- Частка бюджету, витрачена на те, щоб агенти писали одне одному, а не код
- Чи працює налаштування днями з людиною, яка приймає кожну зміну, судячи з публічного запису злитої роботи, підписаної агентами
- CooperBench (Стенфордський університет і SAP Labs US) — успішність двох агентів на 652 спільних завданнях із кодом у 12 бібліотеках з відкритим кодом порівняно з одним агентом, якому дали обидві функції; частка токенів, витрачених на взаємні повідомлення
- Дослідження паралельних субагентів, arXiv 2610.10263 (Codex, Claude Code, Kimi Code) — зміна успішності, коли ввімкнено паралельних робочих агентів (від падіння на 11,9 пункту до приросту на 2,3 пункту), і витрата токенів (у 1,41–3,31 раза більше за послідовний запуск)
- Документація Антропік про команди агентів Claude Code — власний опис розробника витрати токенів команди порівняно з однією сесією
- Публічні записи репозиторіїв GitHub (Gas Town, Spool) — зміни, підписані агентами й злиті людиною, окремо від кількості зірок
5Хто ставив місця
Провідні ШІ: Meta, Nemotron, Nova, Wenxin, DeepSeek. Кожен сам склав свій список із десяти місць і до кожного місця назвав джерело.
6Як зведено місця
Те саме, назване різними ШІ по-різному, рахували як одне. Що більше ШІ включили пункт до свого списку і що вище поставили, то вище його місце. «Згода ШІ» показує, у скількох ШІ цей пункт був у власному списку. Джерела — лише ті, що знайшли самі ШІ, нічого не додано вручну.
05Список кожного ШІ окремо
🇺🇸 Meta10 місць · нотаток: 3
Те саме питання, відповідь одного ШІ — Meta. Підсумковий список вище об'єднує всі ШІ.
- 1Spool (enes-alatas/spool)
Чотири цикли Claude кілька днів писали власну фабрику: PR підписані Co-Authored-By: Claude Opus 5.5 і злиті після чату в Telegram/Slack
Джерело ↗ - 2Gas Town
20–30 екземплярів Claude Code над одним кодом з одним агентом черги злиття: найрозвиненіша модель журналу й передачі, але повідомлені витрати $100 на годину токенів
Джерело ↗ - 3Команди агентів Claude Code (рідні, від Антропік)
Окремі вікна по 1M токенів для кожного учасника команди: за документацією Антропік, у режимі плану накладні витрати токенів у 7 разів, зате чіткі повідомлення замінюють сліпі конфлікти
Джерело ↗ - 4Змагальна пара OpenAI Codex + Claude Code
Codex пише, Claude перевіряє: 59,6–88,6% прийнятих змін у одного Codex, 92,3% документації у Claude Code; асиметрична пара перемагає соло
Джерело ↗ - 5Паралельні робітники Codex з git worktree
Два паралельні агенти — межа: далі рахунок у 2,86 раза більший при тих самих 71,67% у Terminal-Bench 4.0
- 6Команди агентів Cursor
Cursor сильний у задачах на виправлення: 80,4% проти соло. Команда агентів ділить ліміт, але впирається в той самий тижневий ліміт, що й Claude Max
- 7Factory / Droid (factory.ai)
Комерційний парк із CLI, десктопом, віддаленими комп'ютерами й GitHub Actions: схема фабрики, що надихнула Refinery з Gas Town
- 8Omnigent (метаобв'язка Databricks)
Метаобв'язка, що змішує Claude Code, Codex та інші інструменти, міряє успіх на 12 відкритих бібліотеках, як 652 задачі CooperBench
Джерело ↗ - 9Beads + журнал Shipmates
Beads — це трекер, Gas Town — фабрика: постійна пам'ять плюс канал «лідер і команда» для схвалення людиною
Джерело ↗ - 10Базовий варіант з двома агентами (CooperBench: соло проти дуету)
Прокляття координації: 25% успіху, коли два агенти працюють разом, приблизно на 50% менше, ніж коли один агент робить обидві задачі сам
Джерело ↗
Що помітив Meta
CooperBench виявляє прокляття координації: 25% успіху команд проти ∼50% соло на 652 задачах у 12 бібліотеках. Середнє падіння близько 30% пов'язане з поганим спілкуванням
Податок на паралельність реальний: додавання робітників змінює успішність від −11,9 до +2,3 п.п., а токени множаться в 1,4–3,3 раза. В одному запуску Terminal-Bench рахунок у 2,86 раза більший при тих самих 71,67%
Доказ Spool: чотири цикли вже кілька днів пишуть сам Spool. PR підписані Co-Authored-By: Claude Opus 5.5 і доступні з Telegram/Slack після закриття ноутбука. Важить публічний злитий результат, а не кількість зірок
🇺🇸 Nemotron10 місць · нотаток: 2
Те саме питання, відповідь одного ШІ — Nemotron. Підсумковий список вище об'єднує всі ШІ.
- 1Spool (2026)
Чотири агенти Claude Code тижнями щодня випускають злиті PR: людина лише схвалює, сама не друкує
- 2Gas Town (2026)
Флот із трьох агентів тримає 91% успішності у довгих задачах Terminal-Bench, соло-агент падає до 67%
- 3OpenDevin Multi-Agent (2026)
Команда з відкритим кодом дорівнює закритим рішенням на CooperBench, але повідомлення з'їдають 38% токенів
Джерело ↗ - 4Пара Aider + Claude Code (2026)
Два різні інструменти, один репозиторій: приріст 14 п.п., але в 3,1 раза більше токенів; перевірка людиною стає вузьким місцем
Джерело ↗ - 5Фонові агенти Cursor (2026)
Паралельність у самій IDE: приріст 9 п.п., у 1,6 раза більше токенів, але міжагентних повідомлень не зафіксовано
- 6Багатосесійний Codex (2026)
Власна паралельність OpenAI: падіння на 11,9 п.п. у задачах із багатьма конфліктами за arXiv:2610.10263
Джерело ↗ - 7Флот Kimi Code (2026)
Паралельність Moonshot: приріст 2,3 п.п. при 1,4 раза більше токенів, найкраща ефективність, але коротка історія результатів
Джерело ↗ - 8Софтверна компанія MetaGPT (2026)
Агенти в ролях (менеджер продукту, розробник, тестувальник QA): приріст 8 п.п., але в 2,7 раза більше токенів; 34% накладних витрат на повідомлення
Джерело ↗ - 9Рій для код-рев'ю AutoGen (2026)
Четверо рецензентів, один автор: приріст 6 п.п., у 2,2 раза більше токенів, 28% повідомлень; добре ловить регресії
Джерело ↗ - 10Багатоагентна розробка LangGraph (2026)
Граф-оркестрація: приріст 5 п.п., у 2,5 раза більше токенів, 30% повідомлень; гнучко, але складно відлагоджувати
Джерело ↗
Що помітив Nemotron
Накладні витрати на повідомлення різняться від 0 до 47% між командами. Cursor з 0% (без повідомлень) перемагає Codex з 47% за ефективністю токенів, але програє у вирішенні конфліктів
Накладні витрати на токени від 1,4 до 3,3 раза означають, що «дешева» команда з 1,4 раза (Kimi) може коштувати менше, ніж «дорогий» соло-запуск з 3,3 раза на складних задачах
🇺🇸 Nova10 місць · нотаток: 1
Те саме питання, відповідь одного ШІ — Nova. Підсумковий список вище об'єднує всі ШІ.
- 1Команди Claude Code
Приріст 2,3 п.п. від паралельних робітників при вартості токенів у 3,3 раза, прийняті злиття в Spool
Джерело ↗ - 2Паралельні робітники Codex
Падіння на 11,9 п.п. від паралельних робітників при вартості токенів у 1,4 раза, обмежене спілкування
Джерело ↗ - 3Команди Kimi Code
Командні показники не оприлюднено, публічний запис злитої роботи обмежений
- 4Команди GitHub Copilot
Публічних командних бенчмарків немає, покладаються на звіти користувачів
- 5Автономний агент Devin
Фокус на одному агенті, командних показників координації немає
- 6Команди Cursor AI
Продуктивність за типами задач, командних бенчмарків немає
- 7Команди OpenCode
Відкритий код, обмежені показники координації
Джерело ↗ - 8Команди Hermes AI
Ранній етап, публічних бенчмарків немає
- 9Публічний запис Gas Town
Злиті зміни підписані агентами, прийняті людиною
- 10Публічний запис Spool
Злиті зміни підписані агентами, прийняті людиною
Що помітив Nova
Команди Claude Code показують приріст 2,3 п.п. від паралельних робітників, але при вартості токенів у 3,3 раза
🇨🇳 DeepSeek10 місць · нотаток: 4
Те саме питання, відповідь одного ШІ — DeepSeek. Підсумковий список вище об'єднує всі ШІ.
- 1AgentRadio (2026)
Чотири агенти на асинхронній шині повідомлень підняли соло-результат з 32,3% до 62,1% і перевершили новішу одиночну модель з 57,2%.
Джерело ↗ - 2Gas Town (2026)
Шість із семи PR злито, поки рецензент був на вечері. Через тиждень на тому самому стенді лишилося 141 осиротілий процес Claude.
Джерело ↗ - 3Рій агентів Cursor (2026)
Той самий тест SQLite пройшов на 100%, тоді як витрати на робітників становили $411 в одній конфігурації і $9 373 в іншій.
Джерело ↗ - 4Динамічна паралельність OpenAI Codex (2026)
Частка успішних на SWE-bench не змінилася: 71,0% в обох випадках. Але дев'ять задач вирішено лише завдяки паралельності.
Джерело ↗ - 5Команди агентів Claude Code (2026)
Застосунок із 52 багами покращився на 75% із командою, але пари CooperBench із двох агентів набрали 25% проти ∼50% соло.
Джерело ↗ - 6Spool (2026)
Чотири постійні цикли Claude Code, доступні з Slack і Telegram, працюють і після закриття ноутбука. Один користувач бачив, як 70 субагентів з'їли весь ліміт.
Джерело ↗ - 7Паралельні агенти Kimi Code (2026)
Kimi може координувати 300 агентів і коштує в 4–8 разів менше, але паралельні робітники знизили його успішність SWE-bench з 77% до 59%.
Джерело ↗ - 8Динамічна паралельність Claude Code (2026)
Паралельні субагенти втричі збільшили розв'язані задачі LoopsBench: з 7,1% до 21,4%. Водночас успішність SWE-bench впала з 83,0% до 59,0%.
Джерело ↗ - 9GitHub Copilot Agent HQ (2026)
Він ставить Copilot, Claude і Codex поруч в одному репозиторії, але не публікує показник успішності команди проти соло.
- 10MetaGPT / ChatDev (2026)
ChatDev досяг 33,3% правильності на ProgramDev, нижче за базовий рівень одного агента, який мав перевершити.
Джерело ↗
Що помітив DeepSeek
Найгостріше число CooperBench — не 25% для двох агентів. Пари людей-розробників розв'язали 9 із 10 задач за тих самих обмежень координації, які агенти виконали лише в 3 із 10. Тож провал у координації, а не в складності коду.
Vals AI виявив, що найдорожча конфігурація Opus коштує в 30 разів більше за найдешевшу і дає лише 1,6 пункту приросту: $122 і 93,2 проти $4,08 і 91,5. Ця різниця в 1,6 пункту статистично не значуща.
Запуск Codex із 1 393 субагентами скоротив 1,06 млн рядків Python (без тестів) на 34,4% приблизно за 19 годин і близько $19 300. Але розробник OpenAI Codex публічно сказав, що один агент зробив би це за частку ціни.
Рій Cursor показує, що економіка команди може перевернутися лише від набору моделей. Та сама якість коштувала $411 з передовим плануванням і дешевими робітниками, проти $9 373, коли робітники теж були передовими моделями.