工具slug: agent-arena-index

Agent Arena Index

基于数百万真实任务轨迹评估智能体复杂工作流完成、工具调用与反馈适应能力的综合指数

收录情报动态

共 3 篇 · 第 1/1 页
Arena.ai (@arena)T1·基座大模型
71 分
OpenAI 发布 GPT-6.2 Astra 与 Sol 双模型

Arena.ai 上线全新 Agent Arena Index,基于 7100+ 真实智能体会话对 OpenAI 新发布的 GPT-6.2 Astra 与 Sol 进行评测。Astra 以 1291 分位列第 6,单任务中位成本较前代下降 40%;Sol 以 1241 分位列第 11,成本再降 69%,进入成本帕累托前沿。

Arena.ai (@arena)T1·基座大模型
78 分
Gemini 4 迭代提速 发布间隔缩短至 6 天

Google DeepMind 自 9 月 30 日发布 Gemini 4 Argon 后,连续推出 Carbon、Hydrogen、Neon,发布间隔从 28 天缩短至 6 天,迭代节奏近乎指数级加快。最新 Gemini 4 Neon (High) 在 Arena 智能体指数以 1336 分位列总榜第二,单任务中位成本 2.82 美元,比 Claude Opus 5.5 便宜 53% 且得分更高,在用户满意度、可控性与任务完成度上均居前列。

Arena.ai (@arena)T1·智能体与协同
62 分
Arena 发布 Agent 排行榜与对齐指数

Arena.ai 上线 Agent Arena Index 及六个细分指数,并同步推出 Alignment Index,基于全球社区数百万真实任务与执行轨迹,评估智能体完成复杂工作流、调用工具与响应反馈的能力,以及对用户意图的遵循程度。该榜单试图把能力与对齐同时纳入前沿智能体的评价体系。