KI SpotlightNewsOpenAI-Codex-Entwickler warnt vor Token-Verschwendung durch Agenten-Schwärme
Eric Provencher kritisiert die „coordination tax“ und zeigt ein extremes Beispiel für ineffiziente Multi-Agenten-Systeme.
Mit KI erstellt◆ Fakten auf einen Blick
- The Decoder berichtet, dass Eric Provencher, Codex-Entwickler bei OpenAI, auf X vor Token-Verschwendung in Agenten-Workflows warnt.
- Laut The Decoder nennt Provencher den Overhead 'coordination tax' und sagt, es sei schwer, viele parallele Lanes zu halten, ohne Tokens für exzessive Verifikation zu verbrennen.
- Laut The Decoder kommentierte Provencher ein Projekt, bei dem jemand 20.000 Dollar in Tokens für das Refactoring einer einzigen Python-Datei mit 1.393 Fable-Agenten ausgab, dass ein einzelner Astra-Agent es für einen Bruchteil der Kosten hätte tun können.
- Die Microsoft-Dokumentation beschreibt Swarm als Multi-Agenten-Designmuster, bei dem Agenten Aufgaben per Handoff an andere Agenten delegieren und alle denselben Nachrichtenkontext teilen.
- Eine Definition beschreibt einen Agenten-Schwarm als Gruppe von KI-Agenten, die Arbeit über gemeinsamen Kontext, Artefakte und Zustand koordinieren statt über einen einzelnen linearen Prompt.
- Eine Studie (Bai et al., arXiv:2604.22750) fand, dass agentische Coding-Aufgaben etwa 1000-mal mehr Tokens verbrauchen als Code-Reasoning oder Code-Chat, wobei Input-Tokens die Kosten treiben.
OpenAI-Entwickler warnt vor Token-Verschwendung
Eric Provencher, Codex-Entwickler bei OpenAI, hat auf X eindringlich vor der Verschwendung von Tokens in Agenten-Workflows gewarnt. Er stellt fest, dass mehr als zwei parallele Sub-Agenten fast immer Tokens verbrennen, ohne die Qualität der Ergebnisse zu verbessern. Der Grund: Agenten vertrauen einander nicht und überprüfen daher die Arbeit der anderen doppelt. Provencher bezeichnet diesen Overhead als „coordination tax“. Es sei extrem schwierig, viele parallele Verarbeitungsstränge aufrechtzuerhalten, ohne dass Tokens für exzessive Verifikation verschwendet werden. Als Lösung empfiehlt er, Aufgaben an separate Threads zu delegieren, die den Hauptagenten nur bei Abschluss benachrichtigen, statt ständig den Status abzufragen. Dies reduziert den Token-Verbrauch, weil der Hauptagent nicht wiederholt den gesamten Kontext an die Sub-Agenten senden oder deren Status pollen muss. System-Prompts werden sonst mehrfach in den Sub-Agenten ausgeführt, und fehlender Kontext führt zu redundanter Arbeit. Durch die Thread-Delegierung wird die wiederholte Kontext-Wiedergabe minimiert und der Overhead sinkt.
Beispiel: 20.000 Dollar für ein Refactoring
Provencher kommentierte ein konkretes Projekt, bei dem jemand 20.000 Dollar in Tokens ausgab, um eine einzige Python-Datei mit 1.393 Fable-Agenten zu refaktorieren. Er wies darauf hin, dass ein einzelner Astra-Agent die Aufgabe für einen Bruchteil der Kosten hätte erledigen können. Agenten-Schwärme mögen zwar Zeit sparen, aber der Token-Overhead sei eine Falle, die die Wirtschaftlichkeit zunichtemacht. Dieses Beispiel verdeutlicht, wie schnell sich die „coordination tax“ summieren kann, wenn zu viele parallele Agenten eingesetzt werden. Die Empfehlung, Aufgaben an separate Threads zu delegieren, hätte auch hier den Token-Verbrauch drastisch reduziert, da nicht 1.393 Agenten ständig miteinander kommunizieren und sich gegenseitig überprüfen müssten.
