話題 / Topic
Vals AI compared GPT-6 Sol and Claude Opus 5.5 as single agents versus teams. Even paying 1.8–5.1× the cost of a single agent, the teams improved scores significantly in only one of four comparisons—putting hard numbers behind the practitioner's instinct that reasoning strength beats head count.
Vals AIがGPT-6 SolとClaude Opus 5.5を1体とチームで比較。チームは1体の1.8〜5.1倍のコストを払っても、成績が有意に伸びたのは4回中1回だけ。「頭数より推論の強さ」という実務の勘どころを数字で示した。
Released by Sakana AI with UC Berkeley, MASS has a single model play executor, orchestrator, and grader, using agent collaboration as training material to self-improve. It posted up to 1.6x on research benchmarks, yet on coding tasks like SWE-bench it fell below the base model.
Sakana AIがUC Berkeleyと公開したMASSは、一つのモデルに実行・指揮・採点の三役を兼ねさせ、エージェントの協働を教材に自己改善させる手法。研究系ベンチで最大1.6倍を記録した一方、SWE-bench等のコーディングでは土台モデルを下回った。
マルチエージェント化したCodexに、トークン予算・委任ポリシー・インデックス型ウェブ検索という三つの運用制御が加わった。速さと引き換えに膨らむ費用と外部アクセスへ、運用者が手綱を握る仕組みを読み解く。
