AITOPAI热报
Models

Agent Arena 公布完整智能体排行榜

Check out the full Agent Arena leaderboard at: https://t.co/sE9q4FSYAt

lmarena.ai@lmarena_ai
Post
View the post
Why we picked it

LMArena 把 Agent 排行榜完整放出来了，直接看各家模型跑智能体任务的真实对比。你要选模型做 Agent 应用，先翻翻这页再决定，比看厂商自己发的数据靠谱。

LMArena 团队发布 Agent Arena 的完整排行榜，页面地址为 arena.ai/leaderboard/agents。该榜单用于对比各家模型在智能体任务上的表现，用户可在页面上查看全部参赛模型的排名。推文仅附排行榜链接，未披露具体评分与测试细节。

Image · lmarena.ai
Body

排行榜收录的模型覆盖多家实验室，智能体能力逐渐成为除对话、推理之外的第三个公开评测维度。对开发者而言，这类榜单可作为选择智能体后端模型的参考，具体分数需到原页面查看。

Original · lmarena.ai

Check out the full Agent Arena leaderboard at: https://t.co/sE9q4FSYAt

Check out the full Agent Arena leaderboard at: arena.ai/leaderboard/ag…

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include Agent Arena, LMArena, 智能体, 模型评测.

Source attribution: curated from lmarena.ai (@lmarena_ai).

#Agent Arena#LMArena#智能体#模型评测

Keep reading

Recent stories with the same tag or section
ModelsUS vs ChinaMulti-source79°02:26
Chinese contentGemini 4 Hydrogen (High) 登上 Agent Arena 第 5 名，主打速度与成本

Google DeepMind 新模型 Gemini 4 Hydrogen 上线，Agent Arena 第 5 名，速度是 Claude Fable 5.2 的 3 倍，成本只有 GPT-6 Astra 的零头。跑智能体工作流、对 API 账单敏感的团队可以直接看下价格对比。

#Gemini 4 Hydrogen#Google DeepMind#Agent Arena#Claude Fable
Event
lmarena.ai@lmarena_aiSource
ModelsUS vs ChinaMulti-source83°02:41
Chinese contentClaude Fable 5.2 (Max) 登顶 Agent Arena，净改进领先第二名 30.4%

Anthropic 这版把 Agent Arena 的分数直接拉开了一倍多差距，Code 和 Work 也都冲到第一，API 还降价 20%。做智能体和编程工作流的朋友可以试试，尤其在意可控性的场景；预算紧的话 GPT-6.1 Terra 每任务不到 1 美元，性价比更合适。

#Claude#AnthropicAI#Agent Arena#GPT-6.1
Event
lmarena.ai@lmarena_aiSource