Arena.ai (@arena) · 2026/10/13 02:24:45
Agent Arena 数据揭示：Claude Fable 5 可靠性优势在 12 周内被追平，Kimi K3 以低成本反超
出处作者 / 发布主体：Arena.ai (@arena)原标题：July's most reliable AI agent is now just average.
68AI 研判分
核心综述
Agent Arena 最新数据显示，曾于 7 月领跑的 AI 智能体模型 Claude Fable 5 其“确认成功率”优势仅维持 12 周即被行业平均水平抹平。Kimi K3 在 3 周内以低 89% 的单任务成本实现超越，而 DeepSeek V4.1 Flash 则以低 96% 的成本达到同等水平。目前头部五款模型的平均确认成功率已升至 94%，表明智能体执行任务的可靠性正快速趋同且成本大幅下降。
报道全文原始报道全文
Arena.ai (@arena) · 2026-10-12 18
7 月最可靠的 AI Agent，如今已沦为平均水平。
通过 Agent Arena，用户将真实任务委托给 Agent，并确认结果是否满足需求。我们将这一信号称为“确认成功”（Confirmed Success）。
7 月 1 日，Claude Fable 5 遥遥领先于其他所有模型，而仅用 12 周，前 20 名模型的平均分便追平了这一水平。
Kimi K3 在短短 3 周内超越了它，且单次任务成本低 89%；DeepSeek V4.1 Flash 目前也已与其持平，成本更是低 96%。
与此同时，前 5 名模型的“确认完成”率已从 7 月的 80% 提升至 94%，其中 Claude Opus 5.5、Claude Fable 5.1 和 GPT‑6.1 Sol 表现尤为突出。
今日的领跑者难以长久保持优势。
请通过推文链接实时追踪“确认成功”及其他 Agent 信号。
