A força de um enxame aparece quando uma tarefa complexa é dividida em tarefas atômicas com limites claros, cada Agent conclui sua parte de forma independente e os resultados são integrados de maneira confiável. Os experimentos também mostram que os Agents escolhem colaboradores diferentes conforme as informações disponíveis e formam gradualmente estruturas organizacionais distintas.
Na pesquisa acadêmica, sistemas "multi-Agent" incluem colaboração baseada em papéis (Li et al., 2023), debate em várias rodadas (Du et al., 2024) e comportamento coletivo emergente (Chen et al., 2024). Na indústria, um "enxame" costuma significar um Agent principal coordenando vários workers (Anthropic, 2025). Esses sistemas usam nomes semelhantes, mas são avaliados por critérios diferentes: precisão, custo, robustez e capacidade dos Agents de formar por conta própria uma divisão do trabalho e uma rede de relações.
Este artigo examina duas perguntas que afetam diretamente a entrega. Um enxame consegue decompor uma tarefa por completo, concluir cada parte de forma independente e integrar os resultados com confiabilidade? A divisão do trabalho e as conexões podem ser formadas gradualmente pelos próprios Agents? A primeira pergunta determina se o enxame consegue entregar um resultado confiável. A segunda determina se ele pode se tornar auto-organizado.
Tarefas grandes exigem decomposição completa, limites claros e interfaces confiáveis. Cada Agent conclui uma tarefa local, o conjunto dos resultados locais cobre a tarefa original e os resultados são integrados por interfaces fixas.
Figura 1 | A comparação central deste artigo. O enxame EvoX atribui uma parte a cada Agent e integra os resultados; o modo Sub-Agent pede a um LLM principal que decomponha e consolide o trabalho; o modo de contexto único coloca toda a tarefa em um único contexto. O experimento 1 valida cobertura completa, contextos independentes e agregação programática. Decomposição autônoma, reivindicação de tarefas e troca de informações entre Agents ainda precisam ser validadas em experimentos posteriores.
Os dois experimentos abordam duas perguntas de pesquisa. O experimento 1 verifica se um enxame produz um resultado final melhor quando já existe uma divisão completa do trabalho. O experimento 2 verifica se os Agents conseguem escolher seus próprios parceiros e formar uma estrutura quando a organização não está totalmente predeterminada.
Experimento 1: a vantagem do enxame vai além do seu tamanho
O experimento usa um conjunto fixo de 563 questões: 100 de lógica, 250 de matemática geral, 63 de matemática de competição e 150 de física, provenientes de ZebraLogic, MATH, AIME/HMMT e UGPhysics. As três configurações usam Claude Haiku 4.5. O conjunto de questões e os critérios de avaliação permanecem iguais; apenas a decomposição, a execução e a agregação das tarefas mudam.
Figura 2 | Composição do conjunto do experimento 1: 563 questões de lógica, matemática geral, matemática de competição e física.
A primeira configuração é o enxame EvoX. A tarefa alvo é dividida por completo no maior número prático de tarefas atômicas. Cada questão é enviada a um Agent independente, cada Agent conclui uma parte por vez e grava a resposta em um local determinado. Um programa criado pelo Agent principal coleta as respostas por número de questão. Nenhum segundo modelo reescreve os resultados e nenhum papel central decide quais respostas preservar.
A segunda configuração é o modo Sub-Agent. Ela representa a orquestração por um Agent principal comum em produtos como Claude Code e Codex. Um LLM coordenador primeiro recebe a lista completa de questões e a divide em uma série de subtarefas, que podem ser subdivididas. Os Sub-Agents resolvem as questões em sessões contínuas, preparam relatórios e os devolvem ao LLM principal. O coordenador combina então 30 relatórios na tabela final de respostas.
A terceira configuração usa um único contexto. Um Agent resolve toda a tarefa alvo no mesmo contexto e produz todas as respostas de uma vez.
Os resultados se dividem em três faixas claras: o enxame EvoX atinge 70.69%-70.87%, o modo Sub-Agent atinge 38.54% e o contexto único atinge 26.29%.
Figura 3 | O mesmo modelo e o mesmo conjunto de questões produzem três faixas de precisão final. Uma questão do enxame EvoX sofreu timeout de rede, por isso o intervalo usa o denominador fixo de 563 questões.
Chamar um modelo mais vezes não melhora automaticamente o resultado. O modo Sub-Agent também chama vários Agents e, neste experimento, apresentou a maior faixa de custo observada entre os três sistemas. Mesmo assim, seu resultado final ficou muito abaixo do enxame EvoX.
Trabalhos anteriores também mostram que os ganhos de sistemas multi-Agent dependem da organização. Definição de papéis, coordenação, validação e encerramento podem introduzir novos pontos de falha (Hong et al., 2024; Cemri et al., 2025).
A vantagem do enxame exige três condições simultâneas.
Primeiro, a tarefa é dividida em unidades atômicas com limites claros. Cada questão tem um responsável e um local de saída definidos. Cada tarefa atômica pode ser rastreada e executada de forma independente e paralela.
Segundo, a execução é isolada. Cada Agent vê um problema local e não precisa alternar repetidamente dentro de um contexto enorme nem permanecer exposto ao conteúdo acumulado de dezenas de tarefas anteriores. Pesquisas sobre contextos longos mostram que os modelos não usam de forma consistente as informações no meio do contexto. Esse achado segue a mesma direção deste experimento, mas o experimento não manipulou de modo independente a posição das questões; portanto, a diferença não pode ser atribuída ao efeito "lost in the middle" (Liu et al., 2024).
Terceiro, a agregação não depende de outro modelo reinterpretando as respostas. Um programa coleta os resultados das tarefas atômicas nos locais acordados. Respostas corretas já produzidas não passam por outro LLM para serem parafraseadas, comprimidas ou selecionadas.
O enxame converte uma tarefa complexa em partes com limites claros, que podem ser concluídas de forma independente e integradas com confiabilidade. O paralelismo é o resultado; cobertura completa e agregação confiável são os pré-requisitos.
A pontuação de 38.54% do modo Sub-Agent representa apenas a entrega final. Para descobrir se a perda ocorreu durante a resolução ou durante a transmissão e agregação, rastreamos os resultados intermediários das 30 subtarefas e os conferimos questão por questão.
Os Sub-Agents haviam respondido corretamente a 373 questões em algum momento, mas muitas dessas respostas corretas não chegaram ao resultado final.
O fluxo Sub-Agent perdeu 166 respostas corretas. O que o enxame EvoX fez de diferente?
Nos resultados intermediários, 373 das 563 questões já estavam corretas. Depois da transmissão dos relatórios e da síntese final do LLM coordenador, o resultado entregue continha apenas 217 respostas corretas. Dessas, 207 permaneceram corretas da etapa intermediária até a saída final e 10 passaram de incorretas para corretas. Ao todo, 166 respostas que já estiveram corretas se tornaram incorretas ou desapareceram da entrega final. A taxa de retenção das respostas intermediárias corretas foi de 55.50%.
Figura 4 | Das 373 respostas intermediárias corretas no modo Sub-Agent, 166 não foram preservadas no resultado final.
Cada retransmissão adicional em linguagem natural cria outra oportunidade para omissão, compressão, desvio de formato ou substituição incorreta. Quando um erro ocorre em uma etapa, as etapas seguintes só conseguem processar a informação já danificada.
Essas 166 questões não podem ser atribuídas apenas à síntese final. O acúmulo de contexto em sessões contínuas, a forma como os Sub-Agents escreveram seus relatórios e a forma como o coordenador os sintetizou formaram conjuntamente a cadeia de perda de informação. Pesquisas recentes também localizam falhas multi-Agent no desenho do sistema, no alinhamento entre Agents, na validação e no encerramento (Cemri et al., 2025).
O enxame EvoX evita submeter uma resposta correta a uma nova rodada de interpretação. Cada resposta é gravada em um local fixo e coletada diretamente pelo número da questão: os Agents resolvem as questões e um programa executa a agregação. Outro LLM não precisa ler 30 relatórios e decidir novamente quais respostas preservar.
Com o mesmo modelo, o modo Sub-Agent respondeu corretamente a 217 questões no resultado final, enquanto o enxame EvoX respondeu a 398. A diferença vem tanto da granularidade das tarefas quanto da transmissão das respostas: as tarefas são divididas em partes menores e as respostas já corretas chegam ao destino com maior integridade.
O enxame EvoX venceu, mas o experimento 1 ainda não fechou o ciclo de auto-organização
O experimento 1 valida a camada de execução do enxame. Quando já existe uma divisão completa do trabalho, cada Agent conclui sua própria parte e o sistema agrega os resultados com confiabilidade, o enxame libera uma parcela muito maior da capacidade do mesmo modelo.
O script ainda garante essa decomposição completa. Em tarefas reais, as partes dependem umas das outras, exigem especialidades diferentes e podem gerar novo trabalho, falhas, conflitos ou duplicações durante a execução.
A próxima pergunta é se os Agents conseguem descobrir especialidades, reivindicar tarefas, escolher parceiros e ajustar a organização por conta própria. O experimento 2 começa pela menor dessas ações: escolher um parceiro.
Experimento 2: um enxame livre produziu formas organizacionais coerentes
O experimento 2 primeiro pede a 24 Agents com configuração idêntica que resolvam questões de forma independente. Depois de cada questão, o Agent resume o que aprendeu sobre aquele tipo de problema e grava o conhecimento em uma memória persistente. No experimento, esses conhecimentos são registrados como Genes no campo de código skill. Quanto mais conhecimentos um Agent acumula sobre um tipo de questão, maior a probabilidade de escolher esse tipo na rodada seguinte. Depois de oito rodadas, o sistema extrai dois sinais de identidade das escolhas e dos resultados reais de cada Agent: especialização e precisão.
Considere o agent-8. Ele começa com a mesma configuração de todos os outros Agents. Em oito rodadas, escolhe física cinco vezes, matemática geral duas vezes e matemática de competição uma vez. Ele desenvolve um perfil de especialização de "física 0.625, matemática 0.25, matemática de competição 0.125" e uma precisão de 0.25. A ênfase em física vem do histórico formado pela escolha de questões e pelo acúmulo de memória; nenhum papel de física foi atribuído previamente.
Os 24 Agents partem então da mesma rede de relações em anel. Cada Agent se conecta aos dois vizinhos mais próximos de cada lado, totalizando quatro relações. O experimento remove aleatoriamente algumas conexões e pede a cada Agent afetado que escolha um novo parceiro entre candidatos com os quais ainda não está conectado.
Os Agents iniciais, as arestas removidas e os conjuntos de candidatos são idênticos nos três grupos. Apenas a informação visível no momento da escolha muda:
- Conexões entre os candidatos;
- Conexões, especialização e precisão;
- Nenhum julgamento de preferência, com o sistema refazendo a conexao aleatoriamente como controle.
O mesmo Agent aplica uma regra de seleção diferente quando a informação visível muda.
Figura 5 | O mesmo agent-8 escolhe parceiros diferentes conforme a informação disponível. Apenas com informações de relação, ele escolhe um amigo de um amigo. Com informações da tarefa, escolhe um parceiro cujas capacidades complementam as suas.
Em uma decisão observada, o agent-8 escolhe o agent-7 quando consegue ver apenas as conexões sociais, porque ambos compartilham quatro vizinhos existentes: um amigo de um amigo. A ciência de redes chama esse mecanismo de fechamento triádico, um mecanismo clássico de formação de grupos em redes de relações (Watts & Strogatz, 1998; Papachristou & Yuan, 2025). O agent-7 tem precisão de 0.25, mas o agent-8 não consegue ver essa informação no momento da escolha.
Quando especialização e precisão ficam visíveis, o mesmo agent-8 escolhe o agent-2, com quem não compartilha nenhum vizinho existente. O agent-2 tem precisão de 0.75 e uma especialização que complementa o agent-8. A explicação verbal do modelo sobre as informações dos candidatos às vezes é imprecisa, mas a direção geral da seleção muda de forma consistente: apenas com relações, ele procura parceiros familiares; com informações da tarefa, seleciona parceiros com capacidades mais adequadas.
A mudança também aparece no conjunto das escolhas. Apenas com informações sociais, escolher um amigo de um amigo é a preferência mais forte, com intensidade de +2.28. Depois que as informações da tarefa são adicionadas, essa preferência cai para +0.19. Surgem preferências mais fortes por candidatos de alta precisão, com +1.88, e por candidatos com especializações semelhantes, com +1.47. A pesquisa em redes sociais chama a tendência de se conectar a pessoas semelhantes de homofilia (McPherson et al., 2001).
Os mesmos Agents formaram duas estruturas organizacionais
Conforme muitas escolhas locais se acumulam, a rede inteira muda.
Apenas com informações sociais, os Agents se conectam repetidamente a amigos de amigos, preservando grupos locais claros. O coeficiente geral de agrupamento é 0.53. Quando especialização e precisão ficam visíveis, os Agents atravessam mais os grupos existentes para se conectar a pares com pontuação alta. O coeficiente de agrupamento cai para 0.28, perto do controle com reconexão aleatória, de 0.27, e surgem hubs mais proeminentes. O ponto de partida em anel, o processo de reconexão e a métrica de agrupamento pertencem ao quadro clássico de redes de pequeno mundo. Uma classificação rigorosa de pequeno mundo também exige comparar o comprimento dos caminhos com bases aleatórias e redes regulares (Watts & Strogatz, 1998; Telesford et al., 2011).
Figura 6 | Os grupos locais são preservados quando os Agents veem apenas informações sociais. A inclusão de informações da tarefa desloca a rede para menor agrupamento e maior centralização.
Figura 7 | Os mesmos Agents e as mesmas perturbações produzem organizações diferentes porque a informação disponível muda. As arestas representam as escolhas de reconexão dos Agents, não o fluxo de mensagens nem a transferência de tarefas. O diagrama mostra a seed 5004 como caso ilustrativo; a conclusão geral vem de observações repetidas.
O próximo passo é testar se essas conexões conseguem transportar colaboração real: os Agents trocam Genes pelas relações que formaram, transferem tarefas, encontram parceiros com especialidades complementares e procuram substitutos depois de falhas. Somente depois dessa validação a estrutura de rede observada poderá se tornar um sistema de roteamento de tarefas e propagação de experiência usado de fato pelos Agents.
EvoX: rumo a um enxame auto-organizado
Os dois experimentos identificam duas camadas interdependentes de capacidade.
A primeira é uma base confiável de execução do enxame. Cada parte tem um ID estável, a cobertura da tarefa pode ser verificada, os resultados retornam por interfaces estruturadas, duplicações e lacunas podem ser detectadas, falhas podem ser repetidas e a agregação final é executada por programa sempre que for prático. O experimento 1 mostra que essas restrições de engenharia determinam diretamente se a capacidade individual chega intacta ao destino.
A segunda é um mecanismo adaptativo de auto-organização. Os Agents expõem e atualizam suas especialidades, propõem decomposições de tarefas, reivindicam partes, escolhem colaboradores e redistribuem o trabalho quando encontram dependências ou conflitos. O experimento 2 mostra que as informações expostas aos Agents mudam quem eles escolhem e a estrutura organizacional que se forma.
A divisão autônoma do trabalho ainda exige protocolos confiáveis. Os Agents podem decidir quem executa o trabalho, como as partes são combinadas e quando a organização muda. A cobertura das tarefas, os formatos dos resultados e o tratamento de erros precisam continuar verificáveis.
Um verdadeiro enxame de IA permite que cada indivíduo conclua sua própria parte, garante que todas as partes cubram juntas a tarefa completa e ajuda os Agents certos a se encontrarem no momento certo.
O experimento 1 demonstra o potencial de uma execução confiável em enxame. O experimento 2 fornece evidências de que relações auto-organizadas começam a se formar. Decomposição de tarefas, roteamento por relações e colaboração real ainda precisam ser validados em um único ciclo fechado.
Referências
Colaboração e avaliação multi-Agent
- Li, G., Hammoud, H. A. A. K., Itani, H., Khizbullin, D., & Ghanem, B. (2023). CAMEL: Communicative Agents for “Mind” Exploration of Large Language Model Society. NeurIPS 2023.
- Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., & Mordatch, I. (2024). Improving Factuality and Reasoning in Language Models through Multiagent Debate. ICML 2024, 11733-11763.
- Chen, W., et al. (2024). AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors. ICLR 2024.
- Wu, Q., et al. (2024). AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. COLM 2024.
- Hong, S., et al. (2024). MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework. ICLR 2024.
- Cemri, M., et al. (2025). Why Do Multi-Agent LLM Systems Fail?. arXiv:2503.13657.
- Zhu, K., et al. (2025). MultiAgentBench: Evaluating the Collaboration and Competition of LLM Agents. ACL 2025, 8580-8622. doi: 10.18653/v1/2025.acl-long.421.
Contextos longos e metodologia experimental
- Liu, N. F., et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157-173.
- Liang, P., et al. (2023). Holistic Evaluation of Language Models. Transactions on Machine Learning Research.
- AWS. Claude Haiku 4.5 model card.
Ciência de redes e formação de redes de LLMs
- Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of “small-world” networks. Nature, 393, 440-442.
- McPherson, M., Smith-Lovin, L., & Cook, J. M. (2001). Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology, 27, 415-444.
- Telesford, Q. K., Joyce, K. E., Hayasaka, S., Burdette, J. H., & Laurienti, P. J. (2011). The Ubiquity of Small-World Networks. Brain Connectivity, 1(5), 367-375.
- Papachristou, M., & Yuan, Y. (2025). Network formation and dynamics among multi-LLMs. PNAS Nexus, 4(12), pgaf317.
- Anthropic. (2025). How we built our multi-agent research system.
