WorkflowArena 发布：实测模型多智能体编排能力

Einsia AI 旗下 Navers Lab 发布 WorkflowArena，号称首个针对自主多智能体工作流编排的基准，包含 145 项覆盖软件工程、企业运营、科研、数学等领域的长程任务，考察模型在真实长周期任务中能否有效指挥自己生成的 worker 并编写协调流。实测结果显示，即便是最强模型也只能解决 36.95% 的长程任务，暴露出前沿模型在多智能体编排上的显著短板。

2026-11-10 ~ 2026-11-10 · 2 条相关