产品

LMArena 推出全新 Agent Arena Index 排行榜

Dive into the NEW Agent Arena Index: https://t.co/sE9q4FSYAt

精选理由

给做智能体或者想选型的朋友:LMArena 新上了 Agent 专属排行榜,按真实用户盲测投票排名,和 SWE-bench 这类固定基准的思路不一样,看看你常用的 Agent 排第几。

LMArena(原 Chatbot Arena)上线了新的 Agent Arena Index,页面地址为 arena.ai/leaderboard/agents。这是一个专门针对智能体(Agent)能力的排行榜,把评估范围从对话模型扩展到能执行多步任务的智能体。排名基于 LMArena 一贯的真实用户盲测投票机制,用户在真实任务中比较不同智能体的表现,投票结果汇总成 Elo 风格的分数。

图片来源 · lmarena.ai
正文

此前 LMArena 的榜单主要覆盖文本对话、视觉等单轮或多轮对话场景,Agent 能力缺乏一个基于真实使用偏好的公开排名,开发者通常只能依赖 SWE-bench、Terminal-Bench 这类固定基准。Agent Arena Index 补上了这一块:它反映的是用户在实际任务里“更愿意用哪个智能体”的偏好,而不是静态测试集上的得分。对智能体开发者来说,这提供了一个新的公开参照系,也为企业选型提供了来自真实用户投票的第三方数据。

原文 · lmarena.ai

Dive into the NEW Agent Arena Index: https://t.co/sE9q4FSYAt

Dive into the NEW Agent Arena Index: arena.ai/leaderboard/ag…

产业坐标与信源核验

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」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:LMArena、Agent Arena Index、智能体、排行榜,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。