Agent Arena 数据：头部实验室智能体的任务成功率趋同，用户体验差距拉开

Agent Arena 追踪了 OpenAI、Anthropic、Google DeepMind、Moonshot、xAI 和 DeepSeek 六家实验室的最佳智能体，时间跨度为 6 月底至 10 月初。在 Praise vs Complaint 信号上，OpenAI 和 Anthropic 比榜单平均高 35 个百分点，Moonshot、xAI 和 DeepSeek 在 +5 到 +13 之间。Confirmed Success 显示各家交付能力普遍提升，平均分从 -4 升到 +14，Anthropic 的 Claude Opus 5.5 (Max) 以 +20 领先。Bash Recovery 的六家分差从 34 点缩小到 16 点，Steerability 从 19 缩到 11。结论是各家在避免失败上趋于接近，让用户满意的差距反而在扩大。