11月8日、startuphub.aiが「Cohere finds cheap planners beat big agent teams」と題した記事を公開した。Cohereのシニアリサーチャーが実験を通じて、安価なプランナーモデルのみにエージェントを割り当てる構成が大規模なエージェントチームに匹敵するパフォーマンスを発揮し、コストを最大60%削減できることを示した研究だ。
「全員エース」より「賢い分業」が安い
マルチエージェントシステムの設計では「エージェントを増やせば精度が上がる」と考えがちだ。しかし現実には、エージェントの数とコストを増やしても、リターンが比例して伸びないケースが多い。企業がマルチエージェント基盤を本番投入しようとする際に直面する最大の壁のひとつが、このコスト対効果の読みにくさにある。
その問いに対し、Cohereのシニアリサーチャーであります Nouha Dziri 氏がAI Engineerカンファレンスで発表した実験結果は、明快な答えを提示する。
上位モデル「Sol」をリードに据え、下位の安価なモデル「Luna」をプランナーとして配置した構成が、全員をSolで揃えたチームと同等の成果を、コスト60%削減で達成したというものだ。
なお、CohereはCommand Rシリーズなどエンタープライズ向けの大規模言語モデルを手がけるAI企業であり、オープンウェイトモデルやCoralなどのエージェント基盤にも注力している。今回の実験はその研究部門から出たものだ。
階層型エージェント構成のしくみ
Dziri氏が試したアーキテクチャは、シンプルな階層型ハーネスだ。
- リードエージェントがツール単位でタスクをワーカーに委譲
- 全エージェントが単一の共有ワークスペースで動作
- ワーカーはコンパクトなレポートを返し、リードが統合
この構成で注目すべき副作用もあった。ブロッキング型リード（ワーカーの完了を待ってから次に進む方式）はソロエージェントより約10ポイント高いスコアを出したが、コストは4〜7倍に跳ね上がった。一方、非同期型リード（待機せず並行して作業を続ける方式）は、遅れて届いたレポートを無視したり、ワーカーの作業が完了する前に結果を提出してしまうケースが頻発した。
コアな発見：「探索フェーズ」だけエージェントを投入せよ
今回の実験で最も実用的な知見は、エージェントへの投資対効果がフェーズによって大きく異なるという点だ。
Dziri氏が定義した効率指標によると、プランニング（探索）フェーズに投じた1ドルは、実装フェーズや検証フェーズの1ドルより1.6倍多くのリワードを生む。
具体的な数字も示されている。フルチームで実装・検証フェーズも委譲し続けた場合、追加で830回の呼び出しと約500ドルの追加コストが発生したにもかかわらず、得られたリワードは同じだった。フルチームの委譲あたりのリワード効率は、プランニング集中型より2.4倍低いという結果だ。
つまり、「探索が終わったらエージェントを切る」が合理的な設計原則になる。
なぜ実装ワーカーは失敗するのか
Dziri氏は実装フェーズのワーカーが機能しない具体的な理由も分析している。
- メッセージの84%がリードに直接流れてしまい、ワーカーが実質素通りになる
- ワーカーが自分に割り当てられた狭い範囲を超えて行動してしまう
- 計画が不十分だとリードが後から修正・つなぎ合わせに追われ、コストと遅延が増大する
ベンチマーク：ProgramBenchの文脈
この実験はProgramBenchというベンチマークで実施された。ProgramBenchはバイナリと仕様書からプログラムを再構築し、コンパイルとテストを通過させるタスクで、難易度は高い。PHPインタープリタやFFmpegなどのタスクでは、最高水準のフロンティアモデルでもテスト通過率は10%程度とされる。
Cohereのモデルは性能・コスト順にLuna・Terra・Solの3段階構成だ。なお記事中に登場する「GPT-5.6」「DeepSeek-V4.1-Flash-1017」といったモデル名は元記事の表記をそのまま引用したものであり、一般に流通している既存モデルの名称とは異なる可能性がある点に注意されたい。比較として、Terra（リード）＋Luna（プランナー）の構成は51%を達成し、Sol単体の57%と大きな差はなかった。同様の「コントローラー効果」はDeepSeek-V4.1-Flash-1017でも確認されているという。
注意点：この結論が成り立つ条件
Dziri氏自身が限界も明示している。Commit Zeroベンチマークでは結果が逆転し、ドキュメントとテストが与えられた状況では実装フェーズのワーカーも有効だった。つまり、「探索（ブラックボックス発見）がボトルネックでない場合」はこの設計原則が適用できない可能性がある。
また、今回の数字はあくまでこの設定内のものであり、ランあたりの公開コストや別ベンチマークファミリーでの再現性は示されていない。
「探索がボトルネックでなければ、チームは安く保てるか？」という問いはまだ開かれたままだ。
詳細はCohere finds cheap planners beat big agent teamsを参照していただきたい。
