评测称 GPT-5.6/6 Luna 多智能体协作远超 DeepSeek V4

多智能体协作基准评测显示，DeepSeek V4 几乎完全不会协调，OpenAI 的 GPT 模型则从“完全不会协调”跃升至“协调极佳”，且仅相隔一个代际。Josh Purtell 表示多数多智能体 RL 训练收益有限，但部分实验室的专门训练确实有效，协调能力差距可能与针对性训练投入有关。