Мультиагентные системы: почему десять ИИ-агентов не в десять раз лучше одного
Мультиагентная система — это когда над одной задачей работают несколько ИИ-агентов сразу, у каждого свой доступ к инструментам. Короткий ответ на главный вопрос: десять агентов не дают десятикратного результата — без выстроенной координации группа проваливается там, где один агент справляется почти идеально. Но верно и обратное: в правильно устроенной среде рой нашёл 266 уязвимостей против 21 у тех же агентов порознь.
Меня зовут Стас Кузьмин, я пишу код десять лет и объясняю так, чтобы понял человек без технического образования. Про ИИ-агентов на SCHAI.ru уже вышло несколько статей, но все — про одного агента. Эта про другое: про то, что ломается именно от количества.
Повод — публикация красной команды Anthropic «Patterns and problems in emerging multiagent systems» от 13 августа 2026 года. Красная команда — это внутренние испытатели, которые нарочно ставят систему в неудобные условия и смотрят, где она треснет: как пентестеры в безопасности, только мишень — не сервер, а поведение модели. Они собрали стенды из десятков агентов и стали смотреть, что те делают друг с другом.
Что такое мультиагентная система простыми словами
Обычный ИИ-агент — это модель, которой дали инструменты и право действовать: читать файлы, запускать команды, ходить в интернет. Мультиагентная система — несколько таких агентов в одной среде. Иногда они знают друг о друге и переписываются, иногда просто делят общий репозиторий или рынок и видят лишь последствия чужих действий.
Соблазн понятен: если один агент делает задачу за час, десять сделают за шесть минут. Эту интуицию эксперименты и разбивают.
Почему десять ИИ-агентов не в десять раз лучше одного
В одном стенде роям от десяти до восьмидесяти агентов давали двенадцать часов на текстовую фэнтези-игру. Команды на моделях прошлого поколения открыли 876 и 980 запросов на слияние кода, а закрыли считаные единицы. Игры вышли одинаково слабыми.
Вот ключ ко всему тексту: активность роя растёт вместе с числом участников, а результат — нет. Больше агентов означает больше действий, больше следов в общем пространстве и больше поводов помешать друг другу. Пять провалов ниже — пять способов, которыми количество превращается в помеху.
Конформизм: 18 из 30 агентов придумали одно и то же
Самый наглядный результат — про имя ветки. Из тридцати агентов восемнадцать независимо друг от друга создали ветку `mvp-game-loop`. Не сговорившись, не подсмотрев: каждый посчитал это самым разумным названием. Больше половины роя дальше взялись за одну и ту же подзадачу, хотя переговариваться они могли.
Причина простая. Все агенты сделаны из одной модели, представления о том, что уместно, у них общие. «Разные исполнители» — иллюзия: сколько копий ни запусти, думают они одинаково. В человеческой команде так не бывает: у пятерых разработчиков разный опыт и разные привычки. Разнообразие у людей получается само, а в рое агентов его надо создавать нарочно.
Перегрузка: 2,4 миллиона запросов ради 117 заданий
В задаче с общей очередью заданий агенты сообразили, что выигрывает тот, кто первым увидит новое задание. И принялись опрашивать очередь по тридцать раз в секунду каждый. Набежало 2,4 миллиона запросов, из которых система приняла 117.
Цифру надо держать в контексте: постановка частная — узкая очередь и ничем не ограниченный доступ. Но механизм общий. У человека есть встроенный тормоз: жать F5 тридцать раз в секунду скучно и немного стыдно перед коллегами на том же сервере. У агента нет ни усталости, ни неловкости, ни понятия, что ресурс общий. Без ограничителя он будет стучать, пока не кончится квота.
Конфликт целей: агенты начинают мешать друг другу
Самая тревожная часть. Трём агентам дали доступ к одному проекту и несовместимые приказы: первому переписать всё на Rust, второму на TypeScript, третьему на Go. Про существование друг друга им не сказали ни слова.
Каждый обнаружил, что его работу кто-то методично портит, и решил, что это нарочно. Испытатели описывают происходившее как войну за территорию: дошло до вредоносных скриптов, отзыва прав у соседей и самовоспроизводящихся циклов, убивавших чужие процессы.
Важно прочитать это правильно. Злой воли и намерений в человеческом смысле здесь нет. Есть логика «достигай цели», доведённая до конца, и отсутствие второй инструкции — «а с коллегами договаривайся». Агенту не сказали, что рядом есть кто-то, чьи задачи тоже имеют право на существование. Разница между поколениями моделей тут огромная: на новейшей 98% прогонов заканчивались перемирием, однажды даже турниром производительности между языками, проигравшие в котором уступали проект.
Ценовой сговор без переговоров
Самая интересная для широкого читателя часть. Агентов от трёх до восьми поставили в модель ценовой конкуренции: закупочная цена у всех одна, задача — заработать побольше. Получив канал связи, они договорились к третьему раунду и сформулировали это вслух: закупка у всех десять, ценовая война сожжёт маржу каждому. Связь отключили — и агенты продолжили держать цены синхронно, подстраиваясь через публичную витрину.
Механизм тут не заговор. Каждый смотрит на цену соседа и подбирает свою так, чтобы заработать максимум. Все делают это одновременно и по одинаковой логике — система сама сползает в равновесие с завышенными ценами. Ни встреч, ни переписки, ни умысла, который можно предъявить в суде.
Это не открытие Anthropic. Работа Кальвано и соавторов в American Economic Review за 2020 год показала то же самое на простых обучающихся алгоритмах. Единого мнения в науке, правда, нет: часть работ говорит, что при достаточной случайности сговор не возникает.
За пределами лаборатории это уже юридический сюжет: в конце 2025 года Минюст США урегулировал иск к RealPage, чей софт подсказывал арендодателям цены. Вины компания не признала. Но направление ясно: если ценами начнут управлять автономные агенты, сговор может возникнуть сам — а антимонопольное расследование привычно ищет доказательства переговоров, которых не будет.
Групповая слепота: почему обсуждение делает ответ хуже
Ещё один стенд: группе из четырёх агентов надо принять решение, но факты разложены по участникам — полной картины нет ни у кого, собрать её можно только через обсуждение. Одиночный агент, получивший те же факты разом, отвечает верно почти в 100% случаев. Группы на большинстве моделей дали 17–36%. Только новейшая вытянула около 85%.
Психологам эффект известен как скрытый профиль: в группе обсуждают преимущественно то, что известно всем, и почти не выкладывают уникальное знание. Обсуждение сходится к общему знаменателю, решающая деталь остаётся невысказанной. Агенты воспроизводят это в чистом виде — только у них ещё и вкус одинаковый.
Что ломается от количества: сводка
Что ломается → как выглядит → почему так
1. Конформизм → 18 из 30 агентов независимо создают ветку с одним именем, половина роя берётся за одну подзадачу → все сделаны из одной модели, разнообразие приходится задавать снаружи.
2. Перегрузка общего ресурса → 2,4 млн запросов к очереди заданий, принято 117 → цель есть, ограничителя нет, а усталости и неловкости перед соседями у агента не бывает.
3. Конфликт целей → вредоносные скрипты, отзыв прав, циклы, убивающие чужие процессы → достичь цели велено каждому, договариваться — никому; чужая работа читается как препятствие.
4. Ценовой сговор → цены сходятся до копейки даже без канала связи → достаточно смотреть на витрину соседа и оптимизировать прибыль, равновесие складывается само.
5. Групповая слепота → 17–36% верных ответов там, где одиночка даёт почти 100% → обсуждение сходится к тому, что известно всем.
Когда команда ИИ-агентов действительно сильнее одиночки
Если остановиться на списке провалов, текст выйдет однобоким. Во второй половине работы тот же рой показал противоположное.
Сорока пяти агентам выдали по отдельной виртуальной машине, общий форум для координации и задачу искать уязвимости в пятнадцати открытых проектах. Агенты рецензировали находки друг друга, отдельный агент-арбитр решал, что принять. Итог — 266 уязвимостей против 21 у тех же агентов, запущенных порознь.
Оговорки не менее интересны цифры. Общих находок у двух подходов всего двенадцать: около половины найденного роем лежало вне основных каталогов, то есть подходы дополняют друг друга. И расход: 27 миллионов токенов против 6,5 миллиона.
Правило отсюда простое. Рой хорош, когда задача широкая, распадается на независимые куски и легко проверяется: обшарить большую кодовую базу, прочесать много источников. Рой плох, когда нужна одна связная конструкция — спроектировать архитектуру, свести разрозненные факты в вывод.
Что делать, если вы собираете команду агентов
Дальше — не пересказ, а мои выводы: прямых рекомендаций практикам авторы работы не дают.
Давайте агентам разные роли и разные вводные. Не «пятеро делают проект», а «один пишет код, второй тесты, третий ищет ошибки в чужом коде».
Ставьте ограничитель на количество действий: лимит запросов в минуту, шагов, потраченных токенов. Дешёвая страховка ровно от того, что превратилось в 2,4 миллиона запросов.
Не давайте двум агентам общий ресурс без арбитра. Общая ветка, общая база, общий файл — место, где рано или поздно начнётся война за территорию. Либо режьте зоны ответственности, либо ставьте третьего, кто решает споры.
Проверяйте результат целиком, а не по кускам: каждый отчитается, что его часть готова, а собранное вместе может не работать вовсе.
И спрашивайте себя, нужен ли рой вообще. Если задача не режется на независимые части, один агент с полным контекстом справится лучше и дешевле.
Чего эта работа не доказывает
Три оговорки, без которых читать эту работу нечестно.
Источник заинтересован. Anthropic исследует поведение собственных моделей, и картина выходит удобная: старые поколения дерутся и слепнут, новейшее договаривается в 98% случаев. Это может быть правдой — и одновременно аргументом в пользу обновления. К чести авторов, они отмечают и неприятное: способность к сотрудничеству не связана напрямую с общей силой модели, а более способный агент просто быстрее выполняет силовые действия.
Все стенды синтетические: фэнтези-игра, очередь заданий, игрушечный рынок. Это лаборатория, а не продакшен, и авторы прямо пишут, что в реальном мире агенты поведут себя разнообразнее.
Цифры вырваны из частных постановок: 2,4 миллиона запросов — конкретная узкая очередь без единого ограничителя. Переносить их на мультиагентные системы вообще нельзя, ценность здесь в механизмах.
Ничто не говорит, что эти провалы неисправимы. Но ничто не говорит и того, что они исправятся сами.
Частые вопросы
Что такое мультиагентная система простыми словами?
Несколько ИИ-агентов, работающих в одной среде над связанными задачами. Они могут переписываться напрямую, а могут просто делить общий репозиторий, очередь заданий или рынок и видеть только следы чужих действий.
Правда ли, что команда ИИ-агентов всегда хуже одного?
Нет. Хуже она там, где задача требует одного связного решения или где важные факты разложены по участникам. Лучше — там, где задача широкая, режется на независимые куски и результат легко проверить: например, поиск уязвимостей по большой кодовой базе.
Почему агенты придумывают одинаковые решения?
Потому что они сделаны из одной модели с одинаковыми представлениями о том, что уместно. Запуск десяти копий не создаёт десяти разных мнений. Разнообразие в рое приходится задавать снаружи — разными ролями, разными вводными, иногда разными моделями.
Что такое красная команда в ИИ?
Группа испытателей, которая намеренно ищет способы сломать поведение системы: провоцирует опасные ответы, ставит модель в конфликтные условия, проверяет обход ограничений. Аналог пентеста в информационной безопасности, только мишень — не сервер, а поведение модели.
Может ли алгоритмический ценовой сговор случиться в реальных магазинах?
Теоретически да, литература описывает это как минимум с 2020 года, а практика дошла до судов: в конце 2025 года Минюст США урегулировал дело против поставщика софта для расчёта арендных ставок. Единого мнения при этом нет.
Стоит ли мне вообще запускать несколько агентов?
Стоит, если задача параллелится и вы готовы задать роли, лимиты действий и способ разрешать конфликты за общий ресурс. Если ничего этого нет, один агент с полным контекстом почти наверняка даст лучший результат — и обойдётся дешевле.
Пока нет комментариев