事件专题 ·多源确认

Arena 推出 Agent Arena Index,Claude Fable 5.2 (Max) 以 1463 分居首

LMArena(Arena.ai)发布 Agent Arena Index,作为衡量智能体综合表现的新指标,同时推出 Agentic Work、Coding、Chat、Task Outcomes、Tool Use、Steering 六个细分榜单。这些分数基于全球社区数百万条真实任务数据统计得出。 Claude Fable 5.2 (Max) 以 1463 分领跑 Agent Arena Index,领先第二名 134 分。前五名依次为:Anthropic(1463 分)、Google DeepMind 的 Gemini 4 Carbon (High)(1307 分)、OpenAI 的 GPT-6 Astra (Max)(1274 分)、Meta 的 Muse Wonder Full (Max)(1200 分)、阿里巴巴的 Qwen4-Max (xHigh)(1191 分)。 该指数综合四项真实使用信号:任务完成确认、用户表扬与投诉比、终端工具使用可靠性(Bash Reliability)以及对用户纠正的响应能力(Steerability)。配套的 Alignment Index 则从欺骗性完成、未经授权操作、虚假归因三方面衡量智能体是否忠实执行用户意图。

当前结论

智能体排行榜终于细分了,不再是一个笼统总分。Claude Fable 5.2 (Max) 拿下 1463 分领先 Gemini 和 GPT-6 一大截,选模型接活之前先看看这几个分项榜单再决定。

11 个信源77° AI 热度最后更新 2026/11/18 18:50:13

证据链

11 个信源
相关来源 1Artificial Analysis
查看原文

冲突核查

现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。