Agent Arena 上线：AI 智能体能力被量化排名，GPT-5.5 居首
做 AI 智能体开发或选型的团队终于有了可量化的评估标准——Agent Arena 用真实用户任务和因果推断排出了模型的实际能力，值得参考排行榜来选模型或优化自己的智能体。
#排行榜
共 94 条 · 7 天 8 条 · 30 天 21 条
6月5日
产品23:30
Agent Arena 排行榜发布：智能体模型在 5 个维度上的表现做智能体开发或选型的团队，可以直接用这个排行榜对比模型在成功率、可操控性等关键维度的表现，省去自己搭建评测流程的麻烦。
产品10:00
Sophon.at：一个覆盖论文/模型/排行榜的AI信息聚合站做AI研究或追踪前沿动态的人，这个网站能省去你到处找论文和模型的时间，论文直接在线看，还有排行榜和Feed订阅，建议收藏试试。
6月4日
Ideogram 4.0 登顶开源文生图模型排行榜
开源社区终于有了一个能接近闭源巨头（OpenAI/Google）的文生图模型，做图像生成应用或研究的团队可以直接下载权重，享受前沿质量与数据隐私。
5月29日
论文12:13
LLM 排行榜配对评估分辨率诊断：多数排名不达标这篇论文戳破了 LLM 排行榜的统计幻觉——很多排名差异其实不显著，做模型评估的团队和关注排行榜的开发者看完会重新审视自己的比较方法。建议点开，避免被虚假的排名差异误导。
5月27日
模型14:02
微软 MAI-Image-2.5 登顶文生图排行榜第三文生图赛道又添猛将，MAI-Image-2.5 直接杀入前三，做设计、内容创作或 AI 应用的团队值得关注——微软 Build 大会前放出这一信号，后续可能还有大招。
微软 MAI-Image-2.5 预览版登顶文生图排行榜第三
微软在文生图领域首次跻身顶级阵营，做图像生成或 AI 应用的开发者值得关注其后续在 Build 大会上的发布。
5月21日
产品07:59
Recraft V4.1 Utility Pro 发布一周即登顶 Design Arena 第7名图形设计师和 AI 创作者又多了一个高性价比的图像生成选择——Recraft V4.1 Utility Pro 一周就冲进前七，性能与头部模型持平，建议试试看能不能替代你现在的工具。
5月20日
无分布假设的连续AI智能体评估不确定性量化方法
做AI智能体评估或排行榜的团队终于有了统计严谨的不确定性量化工具——无需分布假设即可保证覆盖，还能处理多智能体管道和排名稳定性问题，建议做评估基准的开发者直接看论文和代码。
5月18日
IBM 发布 Open Agent Leaderboard，评估智能体能力
智能体评估一直缺乏统一标准，IBM 这个排行榜让开发者能直接对比不同模型的规划与工具使用能力，做智能体应用的团队值得关注。
5月17日
GLM5.2 在 PPT 设计打榜中仅次于 Opus 4.7，Agentic Slides 排行榜出炉
做 PPT 设计或 Agentic 内容生成的团队，这份基于 370 万真实场景的排行榜值得参考——GLM 5.2 能紧追 Opus 4.7，说明国产模型在创意密集型任务上已有竞争力，建议点开看看完整榜单。
5月14日
小米MiMo-V2.5-Pro登顶多项开源模型排行榜
小米MiMo-V2.5-Pro在多个高难度榜单中超越众多闭源模型，做模型选型或关注开源生态的开发者值得关注——它证明了开源模型在核心智能和实际编码任务上已能媲美顶级闭源方案。
Kimi K2.6 登顶 OpenRouter 周榜第一
Kimi K2.6 在 OpenRouter 周榜登顶，说明它在实际使用中获得了开发者认可，做模型选型或对比的团队可以关注这个新选择。
