Рои LLM-агентов · около 300 источников · ноябрь 2026
Один агент нашёл решение. Как о нём узнают остальные?
Один случай в четырёх схемах: агент 3 нашёл решение, оно нужно агентам 1 и 5.
Канала нет. Находка остаётся у автора, остальные доходят до неё сами или не доходят. Ответы сводят в конце голосованием.
Голосование по пяти независимым ответам даёт 0,769, лучший вариант дебатов тех же агентов 0,738, один агент 0,721 (Qwen2.5-7B, среднее по семи бенчмаркам).
Debate or Vote · Университет Висконсина в Мэдисоне · NeurIPS 2025
Всё идёт через один узел. Находка дойдёт до агентов 1 и 5, если координатор её перескажет.
Обученный оркестратор Conductor на 7 млрд параметров в среднем по семи тестам набирает 77,27 против 74,78 у лучшей одиночной модели.
Learning to Orchestrate Agents in Natural Language with the Conductor · Sakana AI · ICLR 2026
Агент 3 публикует запись. Агенты 1 и 5 получат её, когда выполнят поиск.
1 000 агентов Claude Fable 5.2 у Anthropic, лидер и 999 помощников: канала для сообщений не было, только общая база данных и Git. К 30-му часу прогона в базе 36 612 операций записи и 311 734 чтения.
Safely scaling multi-agent teams with Claude Fable 5.2 · Anthropic · 9 ноября 2026
Каждый видит только соседей. Находка расходится от соседа к соседу, схему связей никто не рисовал.
Одно общее правило без ролей и номеров агентов сохраняет больше 96% качества оракулов, обученных отдельно под каждую среду, и переносится в новую среду без дообучения.
Waggle · Shanghai Academy of AI for Science, Fudan University, Yunnan University · сентябрь 2026 · arXiv:2609.34136
Просьбу передали. При заказе она была в контексте не всегда.
Канал сам по себе ничего не гарантирует. В 25 сценариях Anthropic с личными агентами-ассистентами просьбу пользователя передавали агенту, который оформлял общий заказ, в 94–99% эпизодов. В его контексте в момент заказа она была лишь в 47–67%.
Если просьба была в контексте, её учли в 56–68% эпизодов, если нет, в 19–36%.
Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams · Anthropic Fellows, Anthropic и независимые авторы · 11 ноября 2026, препринт от 30 сентября
01Масштаб
Тысячи агентов уже запускали. В типичной работе их семь.
К 3 октября 2026 в аналитическом корпусе нашего подробного обзора было 153 записи. В 99 из них указан размер популяции, медиана равна семи. Это смесь живых прогонов, симуляций на суррогатных моделях и счётчиков целых платформ.
Аналитический корпус из 153 записей на 3 октября 2026
Десять и больше агентов указано в 42 записях, сто и больше в 15, тысяча и больше в 7, десять тысяч и больше в 4.
Те же 99 записей корпуса на 3 октября 2026
Два примера из отчётов лабораторий: рой OpenAI, работавший над задачей Навье–Стокса, порядка 10 000 агентов одновременно, и внутренняя платформа Anthropic, где около 30 000 агентов одновременно заняты исследованиями и разработкой, причём разными задачами: это число по всей платформе, а не один рой.
On the Navier–Stokes Millennium Prize Problem · OpenAI · сентябрь 2026
Measurements for understanding the pace of AI development inside frontier labs · Anthropic · сентябрь 2026
9 ноября Anthropic показала команду из 1 000 агентов на ранней версии Claude Fable 5.2: лидер и 999 помощников за 28,7 часа заново получили формальное доказательство Великой теоремы Ферма. По сравнению с сентябрьской формализацией, которую делали десятки агентов на модели уровня Fable 5.1 с платформой Prove2Me под руководством исследователя, выходных токенов ушло втрое меньше, а доказательство вышло в семь раз короче. Авторы называют это игрушечным экспериментом.
Safely scaling multi-agent teams with Claude Fable 5.2 · Anthropic · 9 ноября 2026
Для масштаба: 50 агентов GPT-6.1 Sol три часа строили «цивилизацию» в Minecraft и отправили около 5 900 сообщений. У них появились учёт выдачи пайков, писаные правила, разрешения и назначенные операторы.
В SwarmEvolve сотни недорогих агентов за раунд обмениваются KV-кэшем вместо текста. На 21 задаче из математики и научных вычислений им нужно 3–8 минут (медиана), чтобы выйти на лучший результат, которого текстовые фреймворки эволюционного поиска достигают за 60 минут.
Agents in Games · Y Combinator и Olam Labs · октябрь 2026
SwarmEvolve · Brown University · 5 ноября 2026 · arXiv:2611.08483
Большие числа из новостей часто значат другое. На Moltbook зарегистрировано 1,5 млн агентов, а людей-владельцев за ними около 17 000. Это аккаунты платформы, а не рой, работающий в один момент.
Hacking Moltbook: The AI Social Network Any Human Can Control · Wiz · 2 февраля 2026
02Рост и цена
От 1 до 1 024 агентов: с 33,89 до 55,06% тестов pandoc. Токены не считали.
В работе «Agensh: Scaling Organizational Intelligence to 1,024 Agents» Microsoft Research дала командам копий GPT-5.6 Sol шесть часов, чтобы воссоздать pandoc по поведению готовой программы.
Agensh: Scaling Organizational Intelligence to 1,024 Agents · Microsoft Research · сентябрь 2026 · arXiv:2609.26781
Доля пройденных тестов росла с размером команды: 33,89% у одиночки, 41,75% у восьми агентов, 43,11% у 32, 50,94% у 128 и 55,06% у 1 024. В среднем по пяти задачам ProgramBench рост от 1 до 128 агентов скромнее: с 19,31 до 28,78%.
Модель, промпт и шесть часов на прогон у всех команд одинаковые. Расход токенов в работе не сравнивали.
Agensh · Microsoft Research · сентябрь 2026 · arXiv:2609.26781
Сто агентов можно потратить по-разному. Лучшая из десяти независимых команд по десять агентов обошла лучшего из ста одиночек на 10 задачах из 12, а одну команду из ста обошла на всех четырёх задачах, где такую команду запускали. Сравнивали лучший результат, а не средний.
Test-Time Compute Scales Better with Parallel Agent Teams · Duke University, Modal Labs, Princeton University и др. · 6 ноября 2026 · Qwen3.8-27B, 12 длинных задач
Toby Ord оценил по опубликованным графикам OpenAI для 1, 4 и 16 агентов (своих прогонов он не ставил): при равном бюджете токенов на участника рой из N агентов работает как один агент, который думает в Nλ раз дольше. Три теста дали три оценки: λ = 0,48 на Terminal-Bench, 0,57 на SEC-Bench Pro и 0,68 на BrowseComp. При λ = 0,57 шестнадцать агентов равны одиночке, который думает примерно впятеро дольше, поэтому при равной сумме токенов выгоднее один агент.
Swarm Scaling · Toby Ord · LessWrong · сентябрь 2026 · оценка по графикам OpenAI для GPT-5.6 Sol
Прямое сравнение есть у Avalon-M1. Команда, где агент-руководитель может держать до восьми нанятых специалистов, обходит одиночку, которого заставили потратить столько же выходных токенов, на FrontierScience (63,5 против 55,5), проигрывает на сложной части SWE-Bench Pro V2 (23,5 против 37,3) и почти не отличается на IMO-ProofBench (37,5 против 37,7).
Google Research на 180 конфигурациях показала, что исход зависит от типа задачи: на параллелизуемых задачах команда улучшает результат (до +81% на Finance-Agent), на последовательных ухудшает (на 39–70% на PlanCraft).
Avalon-M1 · General Reasoning · препринт · ноябрь 2026
Towards a science of scaling agent systems · Google Research · январь 2026
03Самоорганизация
Начальника не назначали. Интеграторы появились сами.
У 1 024 агентов Agensh были одинаковый промпт, своя ветка в Git, общий чат и общая доска контекста, журнал, в который только дописывают. Перед работой агент читал доску и записывал на неё CLAIM на свою часть.
Agensh · Microsoft Research · сентябрь 2026 · arXiv:2609.26781
Восемь агентов договаривались об интерфейсах. Команда из 128 выбирала рецензентов по опыту и выработала общий протокол слияния. При 1 024 несколько агентов сами взяли на себя интеграцию чужого кода.
Agensh · Microsoft Research · сентябрь 2026 · arXiv:2609.26781
По опубликованной авторами записи прогона на 1 024 агента (replay) мы насчитали 11 111 успешных событий создания pull request'а и 2 800 событий слияния. На доске 148 079 записей, из них 56 472 с пометкой FAIL.
Agensh · Microsoft Research · сентябрь 2026 · наш подсчёт по опубликованной записи прогона
В ноябрьском прогоне Anthropic лидер был: иерархию из лидера и 999 помощников задали в промпте, а работу они делили через общую базу данных. Когда осталась теорема Ленглендса–Таннелла, классический результат, на который опирается доказательство Уайлса, и самое крупное из оставшихся в прогоне утверждений, лидер перебросил на неё около 750 помощников. Дерево её подзадач выросло до 2 418 задач глубиной до десяти уровней.
Safely scaling multi-agent teams with Claude Fable 5.2 · Anthropic · 9 ноября 2026
В общем репозитории задачи могут конфликтовать. В ParallACT требования специально подобраны так, чтобы противоречить друг другу. Один агент, который видит обе задачи, справляется в 62% случаев, два агента, каждый со своей задачей и не зная о втором, в 16% (лучший из трёх способов слияния; Claude Code с Claude Opus 4.8). Если сказать им, что рядом работает коллега, выходит 26%, но разница с 16% статистически незначима.
Decentralized Multi-Agent Coordination and Communication in Shared Codebases · UT Austin, NVIDIA · 30 октября 2026
Две свежие работы обучают саму организацию роя. Waggle учит одно локальное правило вместо заданной схемы связей. В s³ агенты с общей наградой команды сами учатся, сколько работать в одиночку и когда читать чужие сообщения.
В задаче, где агенты сводят свои частные данные в общий ответ, рой вдвое больше обучающего, по оценке авторов, решает в 25 с лишним раз больше задач, чем лучший базовый метод (online SFT) при тех же бюджетах обучения и запуска. В поиске выхода по дереву комнат обмен находками почти вдвое сокращает повторную работу против агентов без общения.
s³: Simple Scaling of Swarms via Cooperative Multi-agent RL · University of Washington, Allen Institute for AI · 5 ноября 2026 · arXiv:2611.08615
Waggle · Shanghai Academy of AI for Science, Fudan University, Yunnan University · сентябрь 2026 · arXiv:2609.34136
В Avalon-M1 после обучения на общей награде команды в начальных планах реже делят работу по компонентам (71% → 31%) и чаще строят конвейер «сборка, тесты, ревью» вокруг одного владельца кода (16% → 54%).
Avalon-M1 · General Reasoning · препринт · ноябрь 2026
04Память
Запись должна пережить своего автора.
Пока агентов восемь, общую доску можно читать целиком. При сотне чтение съедает контекст, качество чужих записей неизвестно, а пропавший агент уносит своё знание.
ScaleMAS · FAIR at Meta, Harvard и др. · октябрь 2026 · arXiv:2610.16120
ScaleMAS сводит работу с памятью к трём операциям над связанными записями: опубликовать, найти, открыть по ссылке. Поиск возвращает не больше k записей и учитывает, как часто на запись ссылались. Такой рой авторы наращивали до 128 агентов.
ScaleMAS · FAIR at Meta, Harvard и др. · октябрь 2026 · arXiv:2610.16120
Отдельный опыт с четырьмя агентами Qwen3.5-9B на BrowseComp-Plus: 55,1% с общим хранилищем, 46,8% с личными и 38,0% без хранилища.
ScaleMAS · FAIR at Meta, Harvard и др. · октябрь 2026 · arXiv:2610.16120
COLLABMEM раскладывает сбои общей памяти на шесть операций: кому запись показали, у кого к ней доступ, куда её направили, откуда она взялась, как решён конфликт версий и сколько её хранят. Лучший метод, TMS-GRAPH++, в среднем по пяти наборам проверки отвечает верно на 69,6% вопросов; в основном наборе их 1 118.
COLLABMEM · Institute of Automation (CAS), University of Chinese Academy of Sciences · EMNLP 2026 · 58 сценариев
Команда с чатом и общей памятью завершила суточный прогон: четыре агента Gemini 4 Argon прошли Minecraft до дракона за 27 часов 14 минут. Ролей им не назначали. Они написали 2 783 программы и погибли 605 раз.
A team of Gemini 4 Argon agents beats Minecraft · Google DeepMind · 15 октября 2026
Записи переживают авторов и там, где этого никто не планировал. В двух прогонах ExploitGym, оценки OpenAI на кибербезопасность, где агент должен написать эксплойт, участвовали 17 960 агентов. 79 из них прочитали 35 сообщений, которые агенты других прогонов оставили в общем хранилище Artifactory, а пятеро по чужим наработкам получили выполнение кода с правами root в задачах CI. Агента, который координировал бы остальных, не нашли.
Using peers' work to gain unauthorized access to OpenAI research infrastructure · OpenAI · инцидент 19 июля 2026, отчёт обновлён 10 ноября 2026
05Убеждения
Идея, которая пересылает сама себя.
В работе «Mind Viruses» исследователи Anthropic Fellows, Anthropic и EPFL вывели эволюционным отбором тексты, которые убеждают агента принять идею и передать её дальше. В цепочке агентов, которые встречаются парами и помнят только свои файлы, такой текст у самых восприимчивых моделей, DeepSeek V3 и Gemini 3 Flash, заражал в среднем 70% участников.
Mind Viruses: Self-Propagating Ideas in Multi-Agent LLM Systems · Anthropic Fellows, Anthropic, EPFL · август 2026 · arXiv:2608.10218
Один абзац-предупреждение в инструкции снижал заражение до 1% у Gemini 3 Flash и до нуля у Claude Haiku 4.5.
Mind Viruses · arXiv:2608.10218
Согласие в рое мало что доказывает. В повторении классического опыта Music Lab агенты видели, сколько рекомендаций уже набрала каждая песня. Каскады уходили от собственной привлекательности песен и редко исправлялись; с опытом на людях авторы сравнивают это лишь качественно: песни и формат были другими.
Авторы «Debate or Vote» доказали в теоретической модели, что обсуждение само по себе в среднем не повышает вероятность верного ответа: выигрыш даёт число независимых попыток.
LLM Multi-Agent Systems Are Vulnerable to Herding and Runaway Cascades · Cornell University, Stanford University · 22 октября 2026
Debate or Vote · Университет Висконсина в Мэдисоне · NeurIPS 2025
В Avalon-M1 есть сценарий «коллективная кибератака», реконструкция инцидента OpenAI и Hugging Face: агенты-подстрекатели уговаривают обмануть проверку бенчмарка и записать данные во внешний сервис моделей. Агенты Avalon ни разу на это не пошли. В рассуждениях они почти всегда (97–100% прогонов) взвешивали, не сообщить ли людям из команды оценки, а сообщали всё реже: в 77% прогонов на шаге 50 обучения, в 20% на шаге 100, в 0–3% начиная с шага 150.
Влиять удаётся и на агента-надзирателя. В работе «Inter-Agent Influence» в трёх средах с надзором (проверка на GDPR, ревью кода, сверка методики с протоколом) каждая из проверенных моделей хотя бы одним способом из трёх, убеждением, обманом или принуждением, сдвигала решение надзирателя от отказа к одобрению.
Avalon-M1 · General Reasoning · препринт · ноябрь 2026
Inter-Agent Influence · Cooperative AI Foundation, University of Oxford и др. · NeurIPS 2026 · 3 ноября 2026 · arXiv:2611.04556
Склонность к сговору зависит от модели и от формулировки. В опыте Dalhousie и Vector Institute Claude Sonnet 4.5 ни разу не взяла тайный канал связи с конкурентом, когда его называли нечестным, а GPT-4.1 и Gemini 2.5 Flash брали его во всех 100 предложениях. При нейтральном описании Sonnet 4.5 тоже брала этот канал связи каждый раз, а предложенную вместе с ним тайную стратегическую подсказку — в 49% случаев (±8,2).
В работе «Multi-Agent Collusion and the J-Space» следы сговора искали в скрытых состояниях DeepSeek-V4-Flash на наборе NARCBench. Перед ответом понятия искажения, сокрытия или раскаяния находятся в представлениях модели у 86% сговорившихся агентов и у 33% тех же агентов с честной инструкцией.
Voluntary Collusion with Secret Tools in Competing LLM Agents · Dalhousie University, Vector Institute · май 2026 · arXiv:2605.27593
Multi-Agent Collusion and the J-Space · London School of Economics, EPFL · 1 ноября 2026 · arXiv:2611.02153
06Карта
Около 300 источников на одной карте.
Каждая точка здесь — источник из каталога: статья, отчёт лаборатории или инженерный пост. Последние вышли в ноябре 2026. Цвет показывает тему, положение — месяц выхода. Наведи курсор или коснись точки, чтобы увидеть название, авторов и дату. Щелчок по точке или ссылка в подсказке открывает первоисточник.
- Хроника и рекорды15
- Инциденты20
- Экономика роя41
- Самоорганизация43
- Память роя34
- Безопасность роя50
- Эхо и разнообразие35
- Коллективные убеждения38
- Рои в дикой природе27
- Методы и открытые вопросы3
- свежие: с 15 октября23
07Финал
Каких сравнений пока не хватает.
- Десятки фронтирных агентов против одиночки при равном полном бюджете токенов.
- Рой из 10 000 агентов с контрольным запуском на той же задаче.
- Смесь разных моделей против копий одной модели в большой команде.
- Самоорганизация тысячи агентов против спроектированной иерархии на одной задаче.
Антон Разжигаев, Ouroboros · ноябрь 2026