论文Agent 与开发者多源确认23:42协作智力基准发布：18 个模型当队友，最高只拿 82.2 分斯坦福他们测了 18 个模型当队友的水平，最强的 Gemini 4 Argon 也才 82.2 分，冲突一开会就妥协，挺扎心的。#协作智力基准#Gemini 4 Argon#Claude Opus 5.5#Kimi K3.1 Pro10 个信源在谈事件专题shao__meng@shao__meng11 个信源在谈原文稍后读已读值得跟进有用关注 协作智力基准
