阿里千问开源 BabelArena：多语言 Agent 基准揭示通关仍可能有 8 倍工具调用膨胀

阿里千问团队开源 BabelArena 基准，测试同一条 agent 工作流换语言后，工具调用、环境状态、检索与打分是否会走样，并发布论文 https://arxiv.org/abs/2609.23490。