Un nuevo entorno multi-agente construido sobre el formato 2v2 de Pokémon Showdown evalúa cómo los grandes modelos de lenguaje coordinan, comunican y negocian acciones en tiempo real. Usando modelos Qwen3.8-27B como compañeros de equipo, el setup prueba la colaboración bajo incertidumbre con conjuntos de oponentes ocultos y daño aleatorio. En una batalla de muestra, un agente identificó correctamente un error de emparejamiento de tipo hecho por su compañero antes de comprometerse con un movimiento, demostrando corrección dinámica y división estratégica de objetivos.
Los resultados muestran que el chat libre del equipo aumenta significativamente las tasas de victoria: equipos con comunicación sin restricciones ganaron el 64% de las batallas contra un bot programado de daño máximo, en comparación con solo el 42% cuando no se permitía hablar. Incluso un mensaje por turno mejoró el rendimiento al 52%. Destacablemente, un solo modelo controlando ambos Pokémon logró solo un 54%, lo que indica que el intercambio conversacional en sí mismo —en lugar de la planificación centralizada— genera la ventaja. Sin embargo, el chat libre consumió 978k tokens de prompt por batalla, casi cuatro veces los 259k utilizados en los enfrentamientos silenciosos, resaltando el costo computacional del diálogo.
El entorno también resulta discriminatorio: equipos más fuertes de Qwen3.8-27B derrotaron a equipos más débiles de Qwen3.5-2B el 96% de las veces y al 74% contra modelos de 9B, estableciendo un referente escalable. El trabajo futuro incluye aislar el impacto de observar la acción elegida por el compañero y desarrollar una tabla de clasificación pública.
Fuente: Hacker News · Resumido por HeadlinesBriefing