Google等发布多智能体冲突基准CLASHarness，15个模型通过率均低于30%

Google 与 Emory、USC 等机构的研究团队发布多智能体冲突基准 CLASHarness，在 600 个可执行任务上评测 15 个主流模型，端到端通过率无一超过 30%。在 20 步限制下，Claude Opus 5 通过率 25.2%、GPT-5.6 Sol 24.5% 居前。 该基准任务覆盖 20 个真实领域，含 7,970 张 4K 视觉证据图与 3,284 项检查点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。