新基准揭示前沿模型多智能体协作普遍不佳

AlexGDimakis · x · 2026-11-21

Bespoke Labs 团队发布 Multi Agent Coordination Bench,基于 Harbor 框架扩展为多智能体基准,包含 12 个原生多智能体长时程任务,用于衡量前沿模型的协调能力。核心发现:当前前沿智能体协作能力很差——8 个智能体组成的团队确实优于单个智能体,但收益来自「数量更多」而非「真正协作」;在 Opus 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 三者中,只有 Opus 表现出因协调带来的增益。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →