产品精选
Agent Arena 排行榜上线：用网页、文件系统、终端任务评测智能体
精选理由
Arena 推了个 Agent Arena 排行榜，专门测智能体干长任务的真实能力，比单跑分靠谱，选模型前可以去看看排名。
Agent Arena 是一个新的智能体评测平台，任务是真实世界的长周期任务，工具包括网页浏览、文件系统和终端。计分方式是相对全体模型平均值的净改进幅度，而不是单一基准分数。排行榜已在 arena.ai 上线，可查看各模型智能体的对比结果。
原文 · lmarena.ai
Agent Arena measures net improvement relative to the average model across real-world, long-horizon tasks using web, filesystem, and terminal tools. Dive into the Agent Arena leaderboard at: arena.ai/leaderboard/ag… 💬 1 🔄 0 ❤️ 5 👀 3110 📊 1 ⚡
