CLASHarness多智能体冲突基准发布

2026年11月1日，机器之心报道，来自 Google、Emory、USC、UF、UChicago、UCSB 和 Columbia 的研究团队联合发布并开源了多智能体冲突基准 CLASHarness，首次对 15 个主流大模型在多智能体冲突下的真实表现进行评测。该基准包含 600 个多轮可执行冲突任务；据该报道，其生成管线代码、600 个评测任务及交互式轨迹查看器已在 GitHub 开源。评测结果方面，报道称在 20 步限制下，Claude Opus 5 通过率为 25.2%，GPT-5.6 Sol 为 24.5%；放宽步数后，GPT-6 Astra 达 28.7%，开源模型 Kimi K3 为 21.8%。上述数字与开源范围均来自该报道，尚无其他跟进报道可交叉核对。

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。