El autor parte de que la mayoría de la investigación multiagente se centra en flujos de trabajo en los que los agentes se pasan tareas por una cadena. Él quiere medir otra cosa: lo bien que colaboran, se comunican y negocian acciones. Elige Pokémon dobles porque es un juego sin información completa: los sets rivales están ocultos y el daño es aleatorio. Según el texto, benchmarks como el PokéAgent Challenge ponen a un solo agente por bando y no prueban a compañeros que deban coordinarse.
El entorno envuelve el simulador oficial de Pokémon Showdown como un entorno de estilo Gym. Participan cuatro jugadores, cada uno con un Pokémon de un equipo de tres, dos por bando. En cada turno, el agente recibe un resumen en inglés del combate y una lista numerada de movimientos legales. Puede enviar un mensaje privado a su compañero o elegir movimiento, y cuando elige, el compañero sabe qué ha escogido.
Se comparan cuatro modos: charla libre (hasta que ambos eligen), un mensaje cada uno, sin charla, y un único modelo que controla los dos Pokémon. Qwen3.8-27B juega los dos puestos contra un bot con script que siempre elige el máximo daño. Los combates usan semilla y cada reparto de equipos se juega desde ambos lados, de modo que todos los modos afrontan exactamente los mismos combates.
Resultados: charla libre, 64%; un modelo para los dos, 54%; un mensaje cada uno, 52%; sin charla, 42%. El autor concluye que la mejora viene de la conversación y no solo de que una mente planee ambos movimientos. Hablar cuesta: la charla libre gastó 978k tokens de prompt por combate, 3,8 veces los 259k de no hablar. Como comprobación, el equipo de Qwen3.8-27B con charla libre ganó el 96% contra un equipo de modelos de 2B y el 74% contra uno de 9B. Como próximos pasos, quiere separar el efecto de hablar del de ver el movimiento del compañero, y plantea un benchmark con clasificación y su uso para entrenar con RL.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.