Kolejny wyścig AI może wygrać zespół modeli, a nie jeden mistrz

Ethan Mollick odpowiedział na tezę, że OpenAI i Anthropic konkurują także w tańszej części rynku. Jego zdaniem właśnie ci dwaj dostawcy mogą najlepiej optymalizować relację kosztu do możliwości, łącząc agentów o różnym poziomie, przygotowanych do współpracy w ich własnych systemach. To argument i prognoza, a nie zapowiedź gotowego produktu.

Wartość przesuwa się z modelu na skład zespołu

Uwagi Mollicka zmieniają jednostkę, którą kupuje klient. Zamiast jednego najlepszego modelu zadanie może obsłużyć tańszy wykonawca, mocniejszy planista i osobny oceniający. Dostawca sprzedaje wtedy coś więcej niż inteligencję pojedynczego uruchomienia. Sprzedaje sposób podziału pracy i wyboru wyniku.

Ta logika daje OpenAI i Anthropic przewagę dzięki własnym rodzinom modeli, danym treningowym i runtime. Wpis nie zawiera jednak pomiarów, ceny ani opisu konkretnego harnessu. Ich domniemana przewaga pozostaje hipotezą.

Dobra rola może być ważniejsza niż najmocniejszy model wszędzie

Preprint AgentCARD z 2026 roku bada zespoły z różnymi modelami i rolami. Autorzy raportują do 44 proc. wyższą trafność niż w jednorodnych zespołach o tym samym koszcie. W części wdrożeń hybrydowych osiągnęli poziom najmocniejszego zespołu jednorodnego przy koszcie zadania niższym nawet 12 razy. Najlepszy przydział zależał jednak od dziedziny. Czasem wąskim gardłem był planista, a czasem wykonawca.

Inny preprint dotyczący wyboru między wynikami agentów wykazał w jednym ustawieniu korzyść z mieszanego zespołu zawierającego słabszy model. Autorzy wyraźnie nazywają ten wynik eksploracyjnym. Wspólny wniosek jest skromniejszy niż opowieść o roju: dobry selector i właściwe role mogą być cenniejsze niż kolejny drogi agent.

Więcej agentów potrafi pomnożyć rachunek i błędy

Zespół agentów nie tworzy automatycznie zespołowej inteligencji. Jednorodne modele mogą powtarzać ten sam błąd, a synteza kilku odpowiedzi może zwiększyć opóźnienie bez poprawy wyniku. Każda dodatkowa rola zużywa też tokeny i utrudnia ustalenie, kto podjął decyzję.

Własnościowy harness dokłada ryzyko biznesowe. Gdy jakość kryje się w prywatnym routingu, evalach i koordynacji dostawcy, klientowi trudniej porównać modele oraz zmienić platformę. Sprytny skład może zamknąć użytkownika równie skutecznie jak sam frontier model.

Rozstrzygną evale całego zadania, nie rankingi członków

Rzetelny test powinien porównywać kompletne workflow na rzeczywistych zadaniach: koszt zaakceptowanego wyniku, opóźnienie, liczbę interwencji człowieka i błędy po zakończeniu. Benchmark pojedynczego modelu nie pokaże, czy tani wykonawca z mocnym oceniającym pokona jedno drogie uruchomienie.

OpenAI i Anthropic zyskają realną przewagę, jeśli opublikują powtarzalne wyniki dla różnych ról i pozwolą klientom zmieniać skład zespołu. W przeciwnym razie optymalizacja kosztu i inteligencji pozostanie czarną skrzynką, której najbardziej czytelną funkcją będzie rachunek od producenta.

Werdykt Lilith

Przyszły zwycięzca nie musi mieć najmądrzejszego agenta. Może mieć najlepszy casting, reżyserię i kogoś, kto wytnie słaby występ, zanim zobaczy go klient.