Cùng ngân sách token, một agent có thể thắng cả đội?

Dat Tran, Douwe Kiela · 2 tác giả · Stanford University · 2026 · arXiv:2604.02460

Cùng một ngân sách token, một agent có thể thắng cả đội?

Mở

Nhiều kết quả ấn tượng của hệ thống nhiều agent đến từ một khoản chi mà bảng điểm thường giấu đi: lượng token suy luận tiêu thụ trong lúc chạy. Đội chào hàng nói thêm agent là thêm năng lực, nhưng khi lượng tính toán được cân bằng, khoảng cách đó còn lại bao nhiêu? Câu hỏi này quyết định tiền của khách đổi lấy gì — số người tham gia hay chất lượng suy luận trên mỗi token. Bài này đưa câu hỏi vào một thử nghiệm có kiểm soát, thay vì để nó ở mức tranh luận trên mạng.

Paper này làm gì

Tác giả bắt đầu bằng một lập luận lý thuyết dựa trên Data Processing Inequality: với ngân sách token suy luận cố định và việc dùng context hoàn hảo, hệ một agent hiệu quả về thông tin hơn. Lập luận đưa ra hai dự đoán: nhiều agent chỉ trở nên cạnh tranh khi context của một agent bị suy giảm, hoặc khi đổ thêm compute. Họ kiểm chứng trên ba họ model — Qwen3, DeepSeek-R1-Distill-Llama và Gemini 2.5 — so sánh hệ một agent với nhiều kiến trúc nhiều agent dưới ngân sách khớp nhau, đồng thời chẩn đoán công cụ kiểm soát ngân sách qua API và benchmark, vì cả hai có thể thổi phồng kết quả.

Phát hiện chính

Chuẩn hoá tính toán, một agent ngang hoặc hơn — Khi lượng tính toán được cân bằng, khoản “bonus” ẩn của đội nhiều agent biến mất và so sánh phải làm lại trên cùng một cái cân. Tác giả trình bày điều này như một dự đoán trung tâm của lập luận lý thuyết, trước khi kiểm chứng nó bằng thực nghiệm.

When computation is normalized, single-agent systems (SAS) can match or outperform MAS

Giữ nguyên token suy luận, kết quả vẫn nghiêng về một agent — Trên tác vụ suy luận nhiều bước, gom nhiều người vào bàn không tự nhiên sinh ra kết quả tốt hơn khi mỗi token đều được đếm. Đây là phát hiện thực nghiệm phủ nhận trực tiếp câu chuyện “nhiều đầu óc hơn luôn tốt hơn”.

We find that SAS consistently match or outperform MAS on multi-hop reasoning tasks when reasoning tokens are held constant.

Phần lớn lợi thế được báo cáo đến từ tính toán bị bỏ sót — Thay vì bản thân kiến trúc, thứ tạo ra khác biệt là compute và hiệu ứng context chưa được quy về cùng đơn vị. Nếu báo cáo chỉ ghi kết quả mà không ghi ngân sách, người đọc sẽ tin vào một khoảng cách không tồn tại.

many reported advantages of multi-agent systems are better explained by unaccounted computation and context effects rather than inherent architectural benefits

Caveat

Tác giả nêu điều kiện đảo chiều: nhiều agent chỉ trở nên cạnh tranh khi việc dùng context của một agent bị suy giảm, hoặc khi đổ thêm compute. Kết quả “một agent thắng” vì vậy gắn với giả định context dùng tốt và ngân sách bằng nhau — thứ môi trường sản xuất không tự cho.

Áp vào 5ac thế nào

Đây là bài kiểm tra cho mọi card Kanban định “delegate cho vài subagent cho nhanh”: trước khi chia việc, so chi phí token của cách chạy một agent duy nhất với cùng model và cùng mô tả công việc. Nếu delegate làm tăng token mà đầu ra không đổi, card đó thuộc đúng nhóm lợi thế ảo mà paper chỉ ra. Mỗi lần chia việc cho subagent, ghi ước tính token vào metadata của card để về sau đối chiếu với kết quả thật. Model routing cho lane đó giữ nguyên một model thay vì thêm agent mới, vì phần lớn chênh lệch trong bài đến từ chênh lệch tính toán chưa được kiểm soát.

Nguồn