随着大模型能力的提升，企业需求不再满足于简单任务；深入企业工作流后，对复杂任务的需求越来越多，智能体从单打独斗走向多智能体协同，多智能体编排由此成为关键能力。
Einsia AI 旗下 Navers Lab 发布 WorkflowArena，专门评测大模型的多智能体编排能力。基准包含 145 项长程任务，覆盖软件工程、企业运营、科学研究、数学推导、金融、法律、内容设计与 3D 等多类真实工作场景。
WorkflowArena 的评测结果显示，今天的大模型在多智能体编排上仍有很大提升空间——会干活不等于懂协作，单个智能体的任务能力并不能代表其在多智能体协同中的编排与领导能力。