Vals AI 测多智能体写全栈：贵 1.8～5.1 倍，多数分数提升不显著
Vals AI 10-09 在官博发布 Vibe Code Bench 案例研究，用 GPT-6 Sol 与 Claude Opus 5.5，各跑单 Agent 与最多 5 个并行子 Agent 的团队，测 50 个按产品规格生成的完整 Web 应用。团队成本是单 Agent 的 1.8～5.1 倍；仅 Sol 在 medium effort 下团队分数提升有统计显著性（77.6%→84.9%，+7.3 分，p=0.005）。Opus medium 团队略低（91.5%→91.2%）；Opus max 团队跑到 93.2%，均价约 122 美元/应用，约是 medium 单 Agent 的 30 倍，提升不显著。对 Sol，把 reasoning effort 调到 max 的单 Agent（89%）比 medium 团队（84.9%）分数更高。作者写明结论限于这类全栈 Web 任务，不一定外推。
站内刚发过 Claude Managed Agents「单次最多调度 1000 Agent」的动态工作流。Vals 这篇给出可核验的成本与显著性对照：多 Agent 编排在真实全栈交付上不一定划算；先抬 effort、再决定是否拆团队，更贴近工程预算。
https://www.vals.ai/blogs/multi-agent-vibe-code-bench
一起交流