多智能体协作评测拉开模型差距
先了解这件事
在一项多智能体协作基准中，OpenAI 的 GPT-5.6 Luna 得分 66.67/100，明显高于 DeepSeek V4.1 Flash 的 11.11；GPT-6 Luna 也被评测为大幅领先，DeepSeek V4 则几乎无法协调。 从同系列迭代看，OpenAI 模型由 GPT-5.4-nano 的“完全不会协调”升至 GPT-5.6 Luna 的“协调极佳”；DeepSeek V4.1 Flash 相比 V4 也从无协调改善至中等。Josh Purtell 称，多数多智能体强化学习训练收益有限，但部分实验室的专门训练确实有效，因此差距可能与针对性训练有关；这一归因尚未得到验证。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntGPT-5.6 与 DeepSeek V4 多智能体协调力差距或源于专门训练
GPT-5.6 与 DeepSeek V4 的多智能体协调差距，或源于实验室专门训练。OpenAI 模型从 gpt-5.4-nano 到 gpt-5.6-luna，在某基准上由“完全不会协调”跃至“协调极佳”；DeepSeek V4 → V4.1 仅由无协调升至中等。
- AGI Hunt多智能体协作评测：GPT-5.6 与 GPT-6 Luna 大幅领先 DeepSeek V4
多智能体协作评测显示，GPT-5.6 与 GPT-6 Luna 的协调能力大幅领先，DeepSeek V4 几乎无法协作，V4.1 仅略有改善。榜单中 GPT-5.6 Luna 得分 66.67/100，DeepSeek V4.1 Flash 仅获 11.11；Josh Purtell 认为，头部实验室可能掌握榜单之外的多智能体 RL 训练方法。
- AGI Hunt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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。