Anthropic рассказала, как устроила свою систему Research: главный агент составляет план, а затем раздаёт подзадачи нескольким агентам. Те параллельно ищут информацию, проверяют находки и возвращают результаты «шефу». Получается не один ИИ-стажёр с двадцатью открытыми вкладками и головной болью, а целый отдел стажёров со свежими мозгами. И ни один не просит пиццу и бесплатный кофе.
Во внутренних тестах Anthropic такая связка из ведущего Claude Opus 4 и агентов на Claude Sonnet 4 обошла одиночный Opus 4 на 90,2% в исследовательских задачах. Лучше всего подход сработал там, где надо искать вширь: например, собрать сведения о множестве компаний или проверить несколько независимых направлений сразу.
Но целый нейросетевой департамент не нужно собирать для каждого корпоративного чиха. По данным Anthropic, один агент тратит примерно в четыре раза больше токенов, чем обычный чат, а команда агентов — примерно в пятнадцать. И если задачу нельзя нормально поделить, агенты начнут не помогать, а долго координироваться, как команда на планерке.
Поэтому мультиагентный подход может быть полезен для дорогих и сложных исследований, где один контекст не вмещает весь вопрос. А вот для многих задач с зависимыми шагами — например, части разработки — один толковый агент пока часто проще, дешевле и спокойнее для нервной системы.
