10:40
lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai精选
推荐理由：GLM-5.2 (Max) 在工具幻觉和任务成功率上表现突出，综合排名上升4.4%，值得看看它在这些指标上的优势。
全部 AI 动态
AI 相关资讯全量信息流
6月17日
10:40
GLM-5.2 (Max) 在 Arena 榜单上整体排名第10，较之前上升4.4%。工具幻觉指标并列第1，提升1.9%。确认任务成功排第3，提升9.4%。赞比投诉排第3，提升14.9%。Bash 恢复排第16，提升1.7%；可操控性排第20，下降6.0%。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
05:37
05:37lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai83°
推荐理由：做 AI 智能体开发的团队终于有了真实任务驱动的评测基准——Fable 5 在 30 万任务中碾压对手，值得关注其强执行与弱引导的权衡。
05:35
05:35lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai推荐理由：做 AI 应用选型或关注模型能力排名的开发者，这个评测结果值得一看——Claude Fable 5 在任务成功率上碾压对手，意味着实际落地效果可能更好。
05:13
05:13lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai推荐理由：Claude Fable 5 在任务执行和用户满意度上表现亮眼，做AI应用开发或模型选型的团队值得关注其实际表现，尤其是对工具幻觉的控制能力。
6月1日
10:49
10:49
arXiv: DeepSeek@Xiaonan Xu, Wenjing Wu
精选
推荐理由：做 LLM Agent 开发的团队终于有了实证依据：给智能体塞技能文档比纠结怎么写更管用。建议直接参考这个实验设计来优化自己的 RAG 或工具调用策略。
5月23日
10:42
10:42IT之家（博客/媒体）
78°
推荐理由：做浏览器自动化或网页智能体的开发者终于有了一个开源可用的强基线——Fara1.5 在多项基准上碾压 OpenAI Operator，且附带安全机制，建议直接下载试试。