#Agent Arena
Check out the Pareto frontier for Agent Arena to see performance across different categories. It's a great way to compare agents!
Meta 刚刚发布了 Muse Spark 1.2 (xHigh)，在 Agent Arena 上的净提升分数从 0.9% 提升到了 2.1%，Bash Recovery 任务直接翻倍，比前代强了不少。
DeepSeek发布的V4 - Pro (High)，比前代版本强，成本还低，在开放模型里排第二，可以去试试。
想知道代码、工作、聊天分别谁最强？Agent Arena 新榜单给出答案：GPT 5.6 和 Claude Opus 5 各领风骚。
谷歌新出的Gemini 3.7 Flash在智能体评测里冲到第20，比上代强一截，编码和网页开发更好用了，感兴趣的可以试试。
Upstage 发了主打智能体任务的 Solar Pro 4，定价不高，Agent Arena 排名和 MiniMax M2.7 同级，适合处理长文档和多轮工具调用。
看Opus 5和GPT-5.6-Sol在同一基准上的表现，一个越强越费token，一个越强越省，挺有意思的对比。
Meta 把 Muse Spark 1.2 放进 Agent Arena 让大家拿难题测它，还出了个终端编码代理 Muse Code，能干多文件改代码的活，可以去试试。
DeepSeek新模型V4-Flash跑Agent任务每单只要0.024美元，比GPT-5.6 Luna还便宜，性价比很能打。
DeepSeek 新模型在 Agent Arena 排开源第三，API 上线且支持 Codex，做智能体可以试试。
DeepSeek 把 V4-Flash 放进 Agent Arena，API 公测也开了，智能体跑分超过 V4-Pro-Preview，还适配 Codex，想试的可以看看。
Anthropic 的 Opus 5 在 Agent Arena 上超过 GPT-5.6，你也能用自己提示词在 agent 模式里测试它。
想比较 Claude Opus 5 和 GPT 5.6 在真实智能体任务上的表现？这份报告用 7000+ 次任务告诉你谁更强、谁更划算。
Claude Opus 5 在 Agent Arena 和代码榜都冲进前三，Max 版更是双榜第一，比 GPT-5.6 还靠前，很强悍。
xAI发了Grok 4.6发布预告，同时4.5在Agent Arena上冲到了第13名，比4.3进步了16名，尤其Bash Recovery能力追上了Claude和GPT，推荐关注。
GPT-5.6 的 Sol 版在 Agent Arena 上表现亮眼，比 Terra 和 Luna 都强，直接对标 Claude Opus 4.8。想了解新模型实力的话可以看看。
Kimi 开源了 K3 模型，Agent Arena 直接干翻 GLM-5.2，净提升超 9%，代码和文本竞技场也是第一，值得关注。