Агентні рої токенів: більше агентів — не краще
Розробник OpenAI Codex Ерік Провенчер попереджає: понад два паралельні субагенти майже завжди спалюють токени без приросту якості — агенти без довіри перевіряють чужу роботу, це він назвав «coordination tax». Приклад: рефакторинг одного Python-файлу силами 1393 агентів коштував $20 000 у токенах, хоча один агент впорався б значно дешевше.
Причина — дублювання зусиль: промпти множаться на кожного субагента, а без контексту вони роблять зайві виклики інструментів. Готового рішення в OpenAI ще немає; Провенчер радить сповіщати головного агента лише після завершення задачі, не опитуючи статус постійно.
Що саме зʼїдає бюджет
За даними The Decoder, Провенчер пояснює перевитрату не самим фактом паралелізації, а її механікою: кожен субагент отримує власний системний промпт, і при масштабуванні ці промпти накопичуються по всій команді агентів. Додатково, коли субагенту бракує контексту про те, що вже зроблено іншими, він повторює виклики інструментів, які хтось уже виконав. «Дублювання зусиль — ось головна причина», — погоджується розробник.
Сам приклад із 1393 агентами й $20 000 витрат він навів як ілюстрацію того, що агентні рої «економлять час, але токенова перевитрата — це пастка»: результат можна було отримати одним агентом за значно меншу суму.
Що пропонує OpenAI замість постійного опитування
Один із варіантів зниження витрат, який називає Провенчер, — делегувати задачі окремим потокам (threads), які сповіщають головного агента лише після завершення роботи, замість того щоб він постійно опитував їхній статус. Це не усуває проблему повністю: за словами розробника, OpenAI ще належить випустити кращі рішення для координації субагентів.
Ширший контекст: споживання токенів зростає різко
За тими самими даними The Decoder, щотижневе споживання токенів на платформі OpenRouter зросло більш ніж на 25 000% від січня 2025 року — з 0,5 до 126,2 трильйона токенів на тиждень. Це зростання пов'язують із поширенням ресурсоємних моделей міркування та збільшенням кількості неоптимізованих ШІ-агентів, тобто саме тих сценаріїв, про які попереджає Провенчер.
Практичний висновок
Для команд, які впроваджують агентні системи в бізнес-процеси — від обробки документів до аналізу коду, — рекомендація зводиться до обмеження кількості паралельних субагентів: понад два, за словами Провенчера, майже завжди означає витрати без приросту якості. Готового інструменту, який автоматично балансує це в OpenAI, наразі немає.