Su LiveCodeBench il sistema multi-agente segna 93.2, il modello singolo 89.8. Tre punti e mezzo. Il numero conta meno di come è stato ottenuto.
Da una parte un modello che risponde da solo. Dall’altra un orchestratore che spezza il compito, assegna ogni pezzo al modello più adatto e fa rivedere il risultato da un altro modello prima di consegnarlo. La verifica incrociata è dentro l’architettura, non è un controllo che aggiungi dopo.
Questo sposta la domanda. Non “quale modello è più bravo”, ma “quale sistema sbaglia meno e se ne accorge”. Un modello singolo ha un solo punto di vista e nessuno che lo contraddica: quando sbaglia, l’errore esce intatto. Un sistema in cui un agente produce e un altro prova a rompere quello che il primo ha prodotto sposta l’accuratezza da proprietà del modello a proprietà del processo.
Il conto è esplicito: più token, più lento, più costoso, più difficile da coordinare. La leva non è gratis e non conviene ovunque. Conviene dove un errore costa più di quei token: codice che va in produzione, decisioni a più passi, output che nessuno rileggerà riga per riga.
La parte che resta non è chi vince il confronto. È che hanno tirato fuori un punteggio più alto da componenti che, presi uno per uno, valgono meno. Il guadagno è venuto da come sono stati messi insieme.
