术语slug: agent-arena

智能体竞技场

Agent Arena

对比不同 AI 智能体执行任务能力与成本的评测平台

收录情报动态

共 3 篇 · 第 1/1 页
Arena.ai (@arena)T1·基座大模型
58 分
Kimi K3.1 Pro 开源权重登顶 Agent Arena 开源榜

Arena.ai 周报显示,月之暗面开源 Kimi K3.1 Pro 权重,以 5.3% 净提升位列 Agent Arena 开源模型第一;腾讯混元 Hy4 以每任务 0.57 美元中位成本成为 Agent Arena 最强中文模型并改写帕累托前沿,权重即将开放。谷歌 Gemini Omni 1.2 Flash 同时登顶文生视频与图生视频,OpenAI GPT Image 2.6 系列以约两倍于前代的速度上线。

Arena.ai (@arena)T1·基座大模型
34 分
腾讯混元 Hy4 正式版即将发布 预览版曾居 Agent Arena 开源第二

Arena.ai 预告腾讯混元 Hy4 正式版即将发布,但未给出任何参数、能力或时间细节。其引用的预览版数据显示,Hy4 preview 在 14.5K+ 真实智能体会话中位列开源模型第二、总榜第十,中位任务成本 0.26 美元,约为 Kimi K3 (Max) 0.80 美元的三分之一。该成绩已进入 Agent Arena 帕累托前沿,但正式版能否延续仍待验证。

Latent SpaceT1·基座大模型
78 分
OpenAI 发布 GPT-6.1 Sol:大幅降低推理成本并提升基准表现

OpenAI 正式推出 GPT-6.1 Sol,定价仅为前代 Astra 的 20%($2/$10 per M tokens),同时在 DeepSWE 和 AutomationBench 等关键编码与自动化基准上取得显著分数提升。该模型被定位为“好、便宜且快”,并在 Agent Arena 中以极低的单任务成本进入前五名,标志着大模型在性价比前沿的重大突破。