Vals AI 评测：多 agent 团队 token 消耗巨大但质量提升有限

Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 的单 agent 与多 agent 表现，发现团队成本是单 agent 的 1.8 到 5.1 倍，四项对比中仅 GPT-6 Sol 在 medium reasoning 下有统计显著的提升（高 7.3 分），maximum reasoning 下无优势。