主要来源lmarena.ai
查看原文事件专题 ·多源确认
Agent Arena 更新 Bash Reliability 指标，Claude Opus 5.5 居首
Agent Arena 排行榜将原来的 Bash Recovery 信号升级为 Bash Reliability，用于衡量智能体执行命令行的可靠程度。更新后 Anthropic 的 Claude Opus 5.5 (Max) 位列第 1，OpenAI 的 GPT-6.1 Sol (Max) 排第 2，Claude Fable 5.1 (Max) 和 GPT-6 Astra (Max) 分列第 3、4 位。前 14 名均为闭源模型，开源权重模型中排名最高的是第 15 位的 GLM 5.2，其后是第 18 位的 MiMo V2.6 Pro。
当前结论
Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。
11 个信源43° AI 热度最后更新 2026/10/13 16:43:40
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。