智能体团队最多领先 solo 约 10 个点，但成本高 4–7 倍
nouhadziri · x · 2026-10-14
作者在 ProgramBench 上评测了 GPT（5.6 Sol、Terra、Luna）、Claude（Opus 4.8/4.7/4.5）和 Gemini 3.7 多个前沿模型的团队表现：团队确实能比 solo agent 高出最多约 10 个百分点，但推理成本是 4–7 倍。
ProgramBench 是逆向工程任务：agent 只拿到二进制和文档，需要运行、推断行为并从零重建 jq、SQLite、FFmpeg 等程序——FFmpeg 上排行榜最强 agent 也只通过约 10% 的测试。
所属事件:多智能体团队受控实验：分工位置比数量更关键(13 条相关)→
「编程与Agent」频道最新
- Google ADK 覆盖 Python/Go/TS/Java/Kotlin 五语言统一 Agent 框架 — rseroter · 2026-10-15
- AI agent 修服务器跑偏:报 71>=71 奇怪错误还狂涨 1.4TB 存储 — haydendevs · 2026-10-15
- Invideo 推出 MCP,用 Claude 或 ChatGPT 直接剪辑视频 — azed_ai · 2026-10-15
- 用 OpenClaw 接入 ROS，让 Grok 执行机器人任务 — chrismatthieu · 2026-10-15
- Bug 报告自动修复流水线:Bot 监控 DM 分派 Cursor 修 bug — msfeldstein · 2026-10-15
- Devin 接入 Pylon:客服工单自动修复,新客户送 1.5 万美元额度 — DevinAI · 2026-10-15