Cohere compara estrategias de equipos de agentes de programación
En las pruebas ProgramBench de Cohere, los equipos centrados en planificación lograron puntuaciones similares con menor coste declarado.
Período del evento / de los datos: 2026-10-14
Publicado: · Actualizado:
Los investigadores de Cohere publicaron un estudio controlado que compara formas de organizar equipos de agentes de programación. En 200 tareas de ProgramBench, un equipo asíncrono GPT-5.6 Sol que delegó solo la planificación obtuvo un 63,6 % de recompensa por 249 dólares; un equipo GPT-5.6 Sol que delegó todas las etapas logró un 63,2 % por 510 dólares. Ambas cifras son promedios de tres ejecuciones.
Un líder GPT-5.6 Sol que coordinó 16 agentes planificadores GPT-5.6 Luna obtuvo un 61,8 % por 155 dólares, frente al 63,6 % por 249 dólares del equipo de planificación formado solo por Sol. Esta configuración fija de 16 agentes se ejecutó una sola vez. Cohere señala que los resultados son propios de su entorno de pruebas; algunas comparaciones tuvieron un único ensayo y no demuestran el rendimiento general de los agentes.
Datos
Cohere compara estrategias de equipos de agentes de programación
Fecha y alcance del anuncio según la fuente primaria.
- · Ocurrido
Cohere compara estrategias de equipos de agentes de programación
En las pruebas ProgramBench de Cohere, los equipos centrados en planificación lograron puntuaciones similares con menor coste declarado.
Metodología
La fecha de publicación indicada por la fuente se registra como un evento.
Actualizado:
Resultados de equipos de Cohere en ProgramBench
Resultados de ProgramBench de la evaluación de equipos de agentes de programación de Cohere; recompensa y coste se presentan según la fuente.
| GPT-5.6 Sol; líder asíncrono delega solo la planificación | 63.6 | 249 | 200 tareas; promedio de 3 ejecuciones |
| GPT-5.6 Sol; líder asíncrono delega todas las etapas | 63.2 | 510 | 200 tareas; promedio de 3 ejecuciones |
| Líder GPT-5.6 Sol; 16 agentes planificadores GPT-5.6 Luna | 61.8 | 155 | Configuración fija de 16 agentes; 1 ejecución |
Metodología
La recompensa es la proporción media de pruebas de comportamiento ocultas superadas en 200 tareas de ProgramBench. Las dos primeras configuraciones asíncronas GPT-5.6 Sol promedian tres ejecuciones; la configuración fija con 16 agentes GPT-5.6 Luna se ejecutó una vez. Resultados del entorno de pruebas de Cohere.
Actualizado:
Temas y lugares
Propuestas temáticas
- Ciencia y tecnologíaSugerido
- Preserved editorial category/topic; broad candidate onlycohere.com ↗
Referencias geográficas
Solo se muestran referencias geográficas proporcionadas por la fuente. Abrir un mapa externo es opcional. Los mapas opcionales usan OpenStreetMap. Al abrirlos se envían tu dirección IP y la de este sitio al proveedor; los datos de ubicación pueden leerse sin cargar el mapa.
- Canadá · Función del lugar: Cobertura · Tipo de lugar: País o área · Precisión de ubicación: RegionalEvidencia
- Explicit preserved editorial country/region; no city or national centroid inferredcohere.com ↗