在SWE-BENCH PRO测试中，GPT-5表面解决率为23.3%，但实际提交任务准确率达到63.1%，明显高于Claude Opus 4.1的31%。新测试集难度较大，反映了模型在真实商业场景中的局限性。

本文研究了基于多代理系统理论（SMA）和大型语言模型（LLM）的计算实体的动态影响及其在商业场景中生成知识的能力。通过引导式对话和策略驱动，该应用为组织战略提供了潜力。研究提供了一种适应不同领域和复杂性应用的实验方法。