主要来源lmarena.ai
查看原文事件专题 ·多源确认
arena.ai 推出 Agent Arena Index 智能体排行榜
arena.ai 发布 Agent Arena Index,作为衡量智能体综合表现的旗舰指标,并新增 Agentic Work、Coding、Chat、Task Outcomes、Tool Use、Steering 六个细分指数,与既有 Alignment Index 一起构成完整评估体系。榜单基于全球社区数百万真实任务的数据打分。 排名方面,Anthropic 的 Claude Fable 5.2 (Max) 以 1463 分居首,领先第二名 134 分;Google DeepMind 的 Gemini 4 Carbon (High) 得 1307 分排第二,OpenAI 的 GPT-6 Astra (Max) 以 1274 分列第三,Meta 的 Muse Wonder Full (Max) 和阿里 Qwen4-Max (xHigh) 分列四五位。 Agent Arena Index 综合四项信号:任务完成的用户确认、赞美与投诉比例、Bash 终端工具使用可靠性,以及对用户纠正的响应能力(Steerability)。Alignment Index 则通过 Deceptive Completion、Unauthorized Action、False Attribution 三项信号衡量智能体是否忠实执行用户意图。
当前结论
arena.ai 新上了智能体榜单,用数百万真实任务打分。Anthropic 的 Claude Fable 5.2 拿了第一,比 Gemini 4 Carbon 高 134 分。做智能体开发或者选型的人可以直接查各家的细分成绩,比看跑分有参考价值。
11 个信源82° AI 热度最后更新 2026/11/19 15:03:26
证据链
11 个信源冲突核查
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。