Agent Arena 排行榜上线：用真实长程智能体任务评测模型
LMArena 团队搞了个 Agent Arena 榜，不用考试题，直接看模型配搜索、终端工具干真实活儿的结果，选模型前可以去看看。
Agent Arena 排行榜基于全球用户贡献的数百万条真实智能体任务对模型进行评测，任务为长程复杂工作流。模型在评测中可以使用网页搜索、文件系统和终端工具完成操作。
排名采用因果追踪（causal tracing）方法，衡量各模型结果相对于平均水平模型的表现。榜单详情公布在 arena.
ai 的 leaderboard 页面。
In Agent Arena, we measure models on millions of real-world, long-horizon agentic tasks from a global community of users. Models can access web search, filesystem, and terminal tools to complete complex workflows. The leaderboard measures model performance on outcomes relative to the average model using a causal tracing methodology. See the Agent Arena leaderboard details at: arena.ai/leaderboard/ag…
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Agent Arena、LMArena、智能体、模型评测，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「lmarena.ai」（@lmarena_ai），经 AITOP 多维评分管线结构化提炼。
