DeepSeek-V4.1-Flash (Max) 发布，性能成本比提升 4.87%，成本仅 0.07 美元/任务
DeepSeek 发布了新模型，性能提升 4.87%，成本只有 0.07 美元，比很多模型便宜很多。
#Agent Arena
共 166 条 · 7 天 10 条 · 30 天 45 条
9月15日
9月11日
Meta 发布 Muse Spark 1.3 (Max)，在 Agent Arena 排名升至第13位
Meta 新发布的 Muse Spark 1.3 (Max) 在 Agent Arena 中表现提升明显，排名从第30位跃升至第13位，性能提升显著，值得关注。
DeepSeek-V4.1-Flash 参与Agent Arena竞赛
DeepSeek新出的V4.1-Flash模型参加Agent Arena竞赛，你可以去投票看看它的表现，这个模型设计得更智能、更快、更高效。
9月9日
GPT-6 Astra (Max)发布，Agent Arena排名第2
OpenAI发布了GPT-6 Astra (Max)，在Agent Arena中排名第二，用户评价和成功率大幅提升，成本表现也很有竞争力。
9月6日
Claude Fable 5.1 (Max)登顶Agent Arena榜首
Anthropic的Claude Fable 5.1 (Max)在Agent Arena排名第一，性能领先但成本较高，用户满意度极高。
9月5日
9月3日
Gemini 3.8 Flash (High) 重塑 Agent Arena 前沿
GoogleDeepMind 新发布的 Gemini 3.8 Flash (High) 在多个竞技场表现优异，成本比同类模型低 44-50%。
Google发布Gemini 3.8 Flash (High)模型
GoogleDeepMind发布Gemini 3.8 Flash (High)，在多个基准测试中超越前代版本和Claude Opus 5。
9月1日
8月28日
8月27日
8月25日
Explore Agent Arena Pareto Frontier
Check out the Pareto frontier for Agent Arena to see performance across different categories. It's a great way to compare agents!
8月21日
Meta 发布 Muse Spark 1.2 (xHigh) 模型
Meta 刚刚发布了 Muse Spark 1.2 (xHigh)，在 Agent Arena 上的净提升分数从 0.9% 提升到了 2.1%，Bash Recovery 任务直接翻倍，比前代强了不少。
8月20日
DeepSeek - V4 - Pro (High) 成开放模型领域Agent Arena第2名
DeepSeek发布的V4 - Pro (High)，比前代版本强，成本还低，在开放模型里排第二，可以去试试。
8月19日
8月18日
Agent Arena 新分类榜：代码榜首 GPT 5.6 Sol，工作聊天归 Claude Opus 5
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
8月15日
8月14日
Gemini 3.7 Flash (High)在Agent Arena排名第20，较前代跃升15位
谷歌新出的Gemini 3.7 Flash在智能体评测里冲到第20，比上代强一截，编码和网页开发更好用了，感兴趣的可以试试。
8月13日
韩国 Solar Pro 4 亮相 Agent Arena，与 MiniMax M2.7 同级
Upstage 发了主打智能体任务的 Solar Pro 4，定价不高，Agent Arena 排名和 MiniMax M2.7 同级，适合处理长文档和多轮工具调用。
IT之家原文
8月12日