Agent Arena 排行：复杂任务上 Gemini 4 Argon 与小米 MiMo 表现突出

Agent Arena 数据显示，在低成本任务上 OpenAI 和 Anthropic 占据 11 个前沿席位中的 10 个，但在最昂贵的 5% 会话中只剩 7 个。空出的位置由 Google 的 Gemini 4 Argon 和小米的 MiMo-V2.6 Flash 与 Pro 补上。近两周有超过 1,000 个会话成本超过 100 美元，选错模型可能明显推高账单。五大实验室旗舰模型对比中，Claude Opus 5.5 在长时程任务上耗时最长，峰值达 1 小时 51 分钟，Kimi K3.1 Pro 耗时最短，为 56 分钟，两者相差 55 分钟。