WorkflowArena 发布：145 任务实测前沿模型多智能体编排能力
_akhaliq · x · 2026-11-10
Einsia AI 发布 WorkflowArena，号称首个针对自主多智能体工作流编排的基准，测试模型在真实长周期任务中能否有效指挥自己生成的 worker 并编写协调流程。
- 145 个任务，覆盖 8 个专业领域：从软件工程、Lean 形式化证明到法律与 3D 建模（配图显示包括 3D 场景/短片、SWE、OPS、法律多被告案件、财务并表与 10-Q 分析、蛋白质模型评估、DFT 复现、Lean 4 证明等）
- 25 种配置、9 个前沿模型，在 Claude Code 与 Codex 两种 harness 下运行
- 每次委派都有记录：同时评分最终交付物与背后的工作流
项目页面、GitHub 与论文均已公开，细节发现见后续推文串。
所属事件:WorkflowArena 发布：实测模型多智能体编排能力(2 条相关)→
「编程与Agent」频道最新
- 《百页深度强化学习书》上新，作者还用 vibe coding 零代码做出学习平台 — burkov · 2026-11-10
- Perplexity 科研 agent 从零构建拓扑量子记忆模拟器 — jeffgrimes9 · 2026-11-10
- Mainframe 团队用自家 Canvas 画布开发 Mainframe 本身,前后端全在其中 — vinvan · 2026-11-10
- 企业安全团队研讨:AI Agent 自动创建并审批 PR 的边界 — heyneighbor · 2026-11-10
- 开发者把 37 个确定性检查做成 MCP 工具,仅两个用 LLM — KuNaan314 · 2026-11-10
- Fable 5.2 实测：自动测 Stripe 订阅全流程，19 次开浏览器找 bug — Rasmic · 2026-11-10