AI BriefingWorkflowArena: Opus 5.5는 6.41점 향상, GPT-6 Astra는 2.53점 하락
Would you pick your strongest model to coordinate other agents? Results from WorkflowArena [R]
·2026.11.11 14:25
핵심 내용
Einsia 벤치마크 결과, 가장 강한 모델을 조정자로 쓰면 작업 에이전트 성능이 반드시 좋아지지 않는다.
자세히 보기
- Einsia가 개발한 WorkflowArena는 8개 도메인의 145개 장기 과제를 통해 멀티 에이전트 협업 능력을 평가하는 벤치마크임
- 32개 고난도 과제 테스트에서 Opus 5.5의 정적 워크플로우는 셀프 오케스트레이션 대비 4개 실행 모델의 평균 연속 점수를 6.41점 높임
- GPT-6 Astra의 정적 워크플로우는 메인 벤치마크에서 4개 실행 모델보다 강한 시스템임에도 평균 점수를 2.53점 낮춤
- 모델 자체의 과제 수행 능력이 실제 작업을 수행하는 모델들에게 워크플로우 조직이 유용할지를 예측하지 못함을 시사함
- 해당 프로젝트는 GitHub에서 워크플로우 리플레이, 논문, 코드를 제공함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
