评测平台相关 AI 资讯 · AITOP · AI热报

9月3日

05:57

05:57

lmarena.ai@lmarena_ai

73°

Muse Spark 1.3由Meta开发，现已加入Agent Arena评测平台。该模型在数百万真实世界长周期智能体任务中进行测试，可使用网络搜索、文件系统和终端工具完成复杂工作流。与Muse Spark 1.2相比，新版本工具调用减少约20%，token使用减少约25%。

AI模型 Muse Spark Meta Agent Arena

推荐理由：Meta的Muse Spark 1.3上线Arena，能更好协作并减少幻觉，比前代更实用。

6月5日

01:48

01:48

lmarena.ai@lmarena_ai

88°

Arena 平台推出 Agent Mode，允许用户测试 AI 智能体在真实任务中的表现，包括深度研究、生成报告、构建网站、调试代码等。该模式通过集成网页搜索、沙箱环境 bash、图像生成、文件写入和追问等工具，评估前沿模型如 GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro 和顶级开源模型的智能体能力。这标志着 AI 评测从对话转向复杂任务执行，为开发者提供了直观的模型选择依据。用户可直接在 Arena 中体验并对比不同模型的智能体性能。

AI产品智能体评测平台 GPT-5.5

推荐理由：Arena 的 Agent Mode 解决了 AI 评测脱离实际任务的问题，做智能体应用或选型的开发者可以直接上手对比 GPT-5.5 和 Claude Opus 4.7 的真实表现，值得一试。