Новое исследование Стэнфордского университета, опубликованное 2 ноября 2026 года, показывает, что передовые модели ИИ часто не справляются с командной работой. В работе под названием Measuring AI Agents as Teammates with Collaborative Intelligence представлен бенчмарк Collaborative Intelligence Benchmark для оценки взаимодействия ИИ-агентов.
Тестирование охватило 18 моделей и 240 задач в таких сферах, как авиация, программирование и переговоры. Исследователи выяснили, что высокая индивидуальная производительность не гарантирует успеха в группе. При получении задач с ошибками от более слабых моделей показатель успешности передовых систем падал с 97% до 81%.
В конфликтных ситуациях с агрессивным партнером передовые модели достигали оптимального результата лишь в 14% случаев, тогда как при работе с кооперативным напарником этот показатель составлял 84%. Модели часто игнорируют ошибки и неверную логику, оставленные другими агентами, даже если способны их распознать.
Лучший результат показала модель Gemini 4 Argon, набравшая 82,2 балла из 100 при высоком уровне усилий на рассуждение. Авторы исследования, в число которых вошли представители MIT и Оксфордского университета, опубликовали 160 задач бенчмарка и соответствующий программный код для открытого доступа.
