AgentWorld 研究：多智能体协作任务成功率仅 12%

AgentWorld 论文让 3-20 个不同角色的 LLM agent 在游戏沙盒中协作完成 50+ 轮任务，协调类任务成功率仅 12%。Gemini 3 Flash 任务成功率最高，为 52.0%；agent 数量多并不等于性能高，真正有助于完成任务的动作不足三分之一。常见失败模式为沟通中断、角色混乱和共享计划丢失，agent 无法看到彼此内部状态。