Четыре ИИ-агента могут устроить совещание, потратить 40 млн токенов — и не начать писат...
Четыре ИИ-агента могут устроить совещание, потратить 40 млн токенов — и не начать писать код лучше. Автор российского эксперимента прогнал 480 задач SWE-bench: DeepSeek и Qwen играли архитектора, разработчика, ревьюера и тестировщика. Полный совет делал десять вызовов на задачу: четыре мнения, четыре критики, план и патч. Потом в него добавили нормальную вещь — стоп-кран. Если роли не расходятся, не устраиваем второй круг. Расход упал с 40,39 до 35,84 млн токенов: минус 11,3% и 140 вызовов. Но вот честная часть, за которую кейс и хорош: статистически этот совет не доказал, что пишет лучше обычного «сначала составь план». Не каждый процесс с четырьмя агентами — фабрика интеллекта. Иногда это просто дорогой созвон. У автора есть методика, логи и код эксперимента.