Cohere Coding Agent: ลดต้นทุน70%เทียบอะไร

ภาพแนวคิดleadควบคุมworkerพร้อมคำถามทีมCodingAgentลดต้นทุน70%และต้องดูฐานเปรียบเทียบ — ภาพประกอบแนวคิดด้วยAI — ผลประหยัดต้องอ่านพร้อมฐานทีมและเงื่อนไขทดลอง

คำตอบตรงประเด็น: ผลทดลองของ Cohere รองรับว่า การให้ Sol เป็นหัวหน้าพร้อม Luna16ตัวช่วยสำรวจและวางแผน ใช้ inference cost $155 เทียบกับ $510 ของทีม Sol ที่แบ่งงานทุกช่วง ลดราว69.6% แต่ reward อยู่ที่61.8% เทียบ63.2% ต่ำกว่า1.4จุดเปอร์เซ็นต์ ข้อสรุปนี้จำกัดอยู่ที่ ProgramBench และรูปแบบทดลองที่ระบุ ไม่ใช่คำรับประกันประหยัด70%ทุกโครงการ

ระดับหลักฐาน: มีต้นฉบับและรายละเอียดทดลองให้อ่าน เป็นผลที่ผู้วิจัยรายงานใน arXiv preprint เรายังไม่มีผลทำซ้ำอิสระหรือหลักฐาน peer review ที่ยืนยัน และไม่ได้รันระบบทดลองเอง

ข่าวใหม่คืออะไร ใครเป็นผู้รายงาน

Cohere เผยแพร่บทอธิบายวันที่14ตุลาคม2026 โดย Keenan Samway, Daniel D’souza และ Nouha Dziri ส่วน paper Scaling Inference-Time Compute with Teams of Coding Agents ส่งฉบับv1ตั้งแต่12ตุลาคมเวลา22:35:08UTC จึงเป็นข่าวขยายผลวิจัย ไม่ใช่การเปิดตัวโมเดลใหม่

คำถามหลักคือ เมื่อมีงบประมวลผลเพิ่ม ควรซื้อความสามารถให้หัวหน้า เพิ่มจำนวนผู้ช่วย หรือย้ายผู้ช่วยไปช่วงงานใด การเพิ่ม agent มีทั้งประโยชน์และภาระรวมผล จึงต้องดูว่ากำลังติดขัดตรงไหน

แผนภาพProgramBench200งาน คิดสัดส่วนhidden testsที่ผ่านในแต่ละงานแล้วเฉลี่ย Reward63.2%ไม่ใช่63.2%ของโปรแกรมเสร็จครบ — อินโฟกราฟิกสรุปวิธีวัดจากCohere/paper:rewardเฉลี่ยสัดส่วนเทสต์ ไม่ใช่จำนวนโปรแกรมสำเร็จครบ

Reward63% หมายถึงโปรแกรมเสร็จ63%หรือไม่

ไม่ใช่การนับโปรแกรมที่สำเร็จครบ ProgramBench มี200งานให้สร้างโปรแกรมใหม่จาก executable ที่รันดูพฤติกรรมได้กับเอกสาร แต่ไม่ได้อ่านซอร์สต้นฉบับ Cohere ให้คะแนนแต่ละงานจากสัดส่วน hidden behavioral tests ที่ผ่าน แล้วเฉลี่ยข้ามงาน

ดังนั้น63.2%คือค่าเฉลี่ยสัดส่วนการผ่านเทสต์ ไม่ใช่63.2%ของโปรแกรมทำเสร็จสมบูรณ์ และไม่ควรนำไปเทียบตรงกับอันดับที่ใช้จำนวนงาน fully resolved ของ benchmark ต้นทุนด้านล่างเป็นค่า inference ของชุด200งานตามราคาที่ใช้ในการทดลอง ไม่ใช่ค่าพัฒนาซอฟต์แวร์ทั้งหมดหรือราคาปัจจุบัน

ตารางA SolPIV63.2%510ดอลลาร์3รอบ B Solplanning63.6%249ดอลลาร์3รอบ C SolกับLuna16planners61.8%155ดอลลาร์1รอบ — ข้อมูลที่ผู้วิจัยรายงานต่อชุด200งาน: A/Bเฉลี่ย3รอบ Cทดลอง1รอบ ค่าrewardต่างA→C1.4จุดเปอร์เซ็นต์

สามทีมที่ต้องระบุฐานเทียบให้ครบ

การทดลองหลักใช้ GPT‑5.6 Sol/Terra/Luna ตั้ง reasoning medium ตัวอย่างที่เลือกด้านล่างใช้ Sol เป็น lead และให้ lead ทำงานต่อระหว่างรอ worker หรือ asynchronous

ทีม	Rewardเฉลี่ย	Inference cost/ชุด200งาน	รอบทดลอง
A: Solทั้งทีม แบ่ง PIV	63.2%	$510	3 เฉลี่ยข้ามรอบ
B: Solทั้งทีม แบ่งเฉพาะ planning	63.6%	$249	3 เฉลี่ยข้ามรอบ
C: Sol lead + Luna planning workers16ตัว	61.8%	$155	1

AและBให้ lead กำหนดจำนวน worker เอง ส่วนCกำหนด16worker เมื่อรวม lead จึงเป็น17agents ตัวเลขค่าใช้จ่ายใช้ค่ารวมที่ blog รายงาน ไม่คูณค่าต่อหนึ่งงานซึ่งถูกปัดเศษในตาราง paper กลับเป็นค่ารวมที่ดูแม่นยำเกินจริง

คำนวณจากAไปC: (510−155)÷510≈69.6% ส่วน reward ต่าง63.2−61.8=1.4จุดเปอร์เซ็นต์ ถ้าเปลี่ยนฐานเป็นB ส่วนลดจะไม่ใช่70% ความต่าง63.6กับ63.2ก็เป็นค่าเฉลี่ยที่ใกล้กัน ไม่ใช่หลักฐานว่าทีมBชนะทุกครั้ง

ลองเทียบทีม: เปลี่ยนบทบาทแล้วต้นทุนกับ reward ต่างอย่างไร?

เลือก configuration ที่งานวิจัยรายงาน ผลด้านล่างเป็นข้อมูลการทดลอง ProgramBench เดิม ไม่ใช่การรัน Agent หรือพยากรณ์ค่าใช้จ่ายของคุณ ทุกตัวเลือกใช้ lead แบบ asynchronous

A — Sol ทั้งทีม • PIV / กลับค่าเริ่มต้น

Lead ใช้ Sol และ worker ใช้ Sol แบ่งงานทั้งสำรวจ/วางแผน เขียน และตรวจ • จำนวน worker ให้ lead กำหนดเอง

Reward 63.2% • $510
ต้นทุน inference ต่อชุด200งาน • 3รอบ รายงานค่าเฉลี่ย

เทียบ A: ต้นทุนลด 0% • reward ต่าง 0 จุดเปอร์เซ็นต์

ความต่างของค่าเฉลี่ยเล็กน้อยไม่ยืนยันว่าทีมหนึ่งดีกว่าแน่นอน

B — Sol ทั้งทีม • เฉพาะ planning

Worker สำรวจและวางแผน ส่วน lead เขียนและตรวจ • จำนวน worker ให้ lead กำหนดเอง

Reward 63.6% • $249
ต้นทุน inference ต่อชุด200งาน • 3รอบ รายงานค่าเฉลี่ย

เทียบ A: ต้นทุนลด 51.2% • reward ต่าง +0.4 จุดเปอร์เซ็นต์

ความต่างของค่าเฉลี่ยเล็กน้อยไม่ยืนยันว่าทีมหนึ่งดีกว่าแน่นอน

C — Sol lead + Luna planners 16 ตัว

Lead ใช้ Sol, worker ใช้ Luna เฉพาะสำรวจและวางแผน • 16 worker + 1 lead = 17 agents

Reward 61.8% • $155
ต้นทุน inference ต่อชุด200งาน • 1รอบทดลอง

เทียบ A: ต้นทุนลด 69.6% • reward ต่าง -1.4 จุดเปอร์เซ็นต์

ข้อจำกัดสำคัญ: ชุด fixed16 ทดลองครั้งเดียว เทียบกับค่าเฉลี่ยสามรอบของ A/B

อ่านผลให้ถูก: Reward ไม่ใช่สัดส่วนโปรแกรมที่ทำเสร็จครบ ราคาไม่รวมต้นทุนโครงการทั้งหมด และส่วนลดเทียบกับทีม A ไม่ใช่ solo agent

ใช้ Tab และ Enter/Space หรือแตะเพื่อเลือกหัวข้อ เลือก A เพื่อกลับฐานเริ่มต้น ไม่มีการเคลื่อนไหวหรือส่งข้อมูล

ข้อมูลสำรอง: A 63.2%/$510/3รอบ; B63.6%/$249/3รอบ; C61.8%/$155/1รอบ ที่มา Cohere Figure5/8 และ paper §7/AppendixC

Agent ทำงานอย่างไร และจุดตัดสินใจอยู่ที่ใคร

Harness ของผู้วิจัยให้ทีมทำงานผ่าน bash ใน workspaceร่วมกัน leadรับงานหลักแล้วใช้ delegate_agent แบ่งโจทย์ workerเห็นงานย่อยของตนและส่งรายงานกลับ leadเลือกแบ่งงานและรวมผล สามารถเรียก workerเดิมให้ทำต่อพร้อมบริบทเดิมได้

PIVคือสำรวจ/วางแผน เขียน และตรวจยืนยัน เมื่อแบ่งเฉพาะplanning ผู้ช่วยรวบรวมความเข้าใจพฤติกรรมโปรแกรม ส่วนleadยังเขียนและตรวจเอง นี่เป็นการแบ่งบทบาทในsandboxการทดลอง ไม่ใช่หลักฐานว่าระบบพร้อมแก้ production หรือข้ามจุดอนุมัติของมนุษย์ในองค์กร

ProgramBenchต้องค้นพฤติกรรมจึงได้ประโยชน์จากplanning ส่วนCommit0-Liteมีโครงกับtestsและimplementationช่วยมากกว่า โดยมี16งาน — อินโฟกราฟิกสรุปข้อจำกัด:ผลการแบ่งงานขึ้นกับโจทย์ ไม่ใช่กฎว่าplanningชนะเสมอ

หลักฐานที่จำกัดข้อสรุป: planningไม่ได้ชนะทุกงาน

คำอธิบายของผู้วิจัยคือ ProgramBenchต้องค้นพบ specificationจากพฤติกรรมก่อน การช่วยสำรวจจึงคุ้ม แต่ในCommit0‑Liteที่มีโครง repositoryและunit testsให้แล้ว การแบ่งงาน implementation ช่วยมากกว่าplanning ชุดนี้มีเพียง16งานและใกล้อิ่มตัว ผู้วิจัยจึงเตือนข้อจำกัดด้านพลังทางสถิติและความเป็นไปได้ที่โมเดลเคยเห็นไลบรารีสาธารณะ

ชุดfixed16workerทดลองเพียงครั้งเดียว ขณะที่การทดลองหลักส่วนใหญ่เฉลี่ยสามรอบ งบแต่ละconfigurationไม่ได้เท่ากัน และจุดที่พบเป็นผลเชิงประจักษ์ ไม่ใช่การพิสูจน์ว่าเป็นรูปแบบทีมที่ดีที่สุดทุกกรณี Blogกับpaperมาจากทีมวิจัยเดียวกันจึงไม่นับเป็นผลยืนยันอิสระสองชุด

บทวิเคราะห์ HYBRID MIND: เริ่มจากคอขวดของงาน

ข้อคิดที่นำไปตั้งคำถามกับงานจริงได้คือ ต้องการข้อมูลเพิ่มก่อนเขียน หรือมีแบบชัดแล้วแต่ยังทำไม่ทัน การเลือกบทบาทที่เหมาะอาจสำคัญกว่าการเพิ่มคนทำทุกช่วง แต่ควรเทียบกับฐานเดิม วัดภาระตรวจและรวมงาน และแยกค่า inference จากต้นทุนทั้งโครงการ

ผลนี้ช่วยออกแบบการทดลองของทีม ไม่ได้ทำให้เรารู้ต้นทุนหรือผลสำเร็จของระบบผู้อ่านล่วงหน้า และไม่ได้เป็นคำแนะนำให้เปิดสิทธิ์เขียนระบบจริงให้ agentโดยไม่มีขอบเขต

คำถามที่พบบ่อย

ประหยัด70%เทียบกับคนทำงานคนเดียวหรือไม่?

ไม่ใช่ ตัวอย่าง$155เทียบกับทีมSol PIVราคา$510 ไม่ใช่ต้นทุนวิศวกรมนุษย์หรือsolo agent

17agentsยืนยันว่าทีมใหญ่ดีกว่าเสมอหรือไม่?

ไม่ยืนยัน ผลขึ้นกับบทบาทและโจทย์ ตัวอย่างนี้มีlead1ตัวกับplanning workers16ตัว และยังมีข้อจำกัดเรื่องจำนวนรอบ

ต้องใช้โมเดลหรือราคาเดียวกับpaperในวันนี้หรือไม่?

ตัวเลขเป็นเงื่อนไขของงานวิจัย การนำไปใช้ต้องอ่านรุ่นและราคาที่เกี่ยวข้องใหม่ ไม่ถือราคาในpaperเป็นราคาปัจจุบัน

อ่านต่อ: อ่านตัวหารของคำกล่าวAISLE75% และ เลือกWorkflow, Single Agent และMulti-Agent

แหล่งอ้างอิง

ตรวจต้นฉบับในรอบ15ต.ค.2026 ไม่ได้ติดตั้งหรือรันซอฟต์แวร์ข่าว ภาพเป็นอินโฟกราฟิกสรุปข้อมูลหรือภาพประกอบแนวคิดด้วยAI การเทียบในหน้านี้ใช้ผลที่ผู้วิจัยรายงาน

Cohere ลดต้นทุนทีม Coding Agent ราว70%: เทียบอะไร และแลกกับอะไร?