Kimi K3 (Max) 登顶 Frontend Code Arena，开放权重和整体均第一
Kimi K3 (Max) 在代码和智能体测试中双料夺冠，连 GLM-5.2 都比它低一截，开发者和研究者可以关注这个新标杆。
#Agent Arena
共 187 条 · 7 天 21 条 · 30 天 59 条
7月28日
7月25日
Claude Opus 5登陆Arena，静态基准达Fable 5级，价格减半
Anthropic新模型Claude Opus 5静态能力追平Fable 5，价格只要一半，还要在Agent Arena测真实任务，值得蹲分数。
7月22日
模型06:43
Agent Arena 与 Frontend Code Arena 排行榜发布想看看哪个 AI 智能体干活最靠谱、哪个写前端代码最好？这两个新排行榜给你真实用户投票结果，直接去 arena.ai 查。
7月21日
Inkling在Agent Arena开源模型排第9，美国最佳
Inkling是当前美国最强的开源模型，在Agent Arena排第9，擅长处理复杂工作流和CLI错误恢复，但用户反馈一般，你可以试试看它是否适合你。
Inkling 在 Agent Arena 中排名开放模型第9，总体第30
Inkling 这个开源模型在 Agent Arena 里表现不错，Bash Recovery 尤其亮眼，想看看它和其他模型差距的可以关注。
7月17日
7月16日
Inkling 多模态模型加入 Agent Arena 并开放权重
Thinking Machines 出了个新模型 Inkling，能同时处理文字、图片和音频，还在 Agent Arena 上测了长期任务能力。现在能免费下载权重自己微调，可以试试。
7月15日
模型05:53
Agent Arena排行榜发布：百万真实智能体任务评估模型表现想看看哪个模型最擅长完成真实世界的复杂任务？Agent Arena用百万任务和因果追踪方法给出了答案，比普通基准更贴近实际。
Meta 发布 Muse Spark 1.1，进入 Agent Arena 排行榜第五
Meta 终于入局智能体赛场，Muse Spark 1.1 一上榜就拿第五，还开放了 API 和思考模式，想试试新模型可以冲。
7月14日
Agent Arena 排行榜更新：GPT-5.6 Sol 升至第2名
OpenAI 的 GPT-5.6 Sol 在 Agent Arena 上冲到第2，离 Claude Fable 5 更近了。看看具体指标差异，特别是用户满意度的信号。
Grok-4.5 在 Agent Arena 排名第13，基于9.8K实时会话
Grok-4.5 是 SpaceXAI 的首个编程+智能体专用模型，在 Agent Arena 上从29名跳到13名，Bash Recovery 追平了Claude和GPT，实测任务成功率很高。
GPT-5.6 Sol在Agent Arena排名第二，净提升1.6%缩小与Claude Fable差距
OpenAI的GPT-5.6 Sol在Agent Arena上冲到第二，比前代进步明显，和Claude Fable 5差距缩小了，想看看真实任务中模型表现的话值得关注。
7月10日
OpenAI 发布 GPT-5.6 系列 Sol、Terra 和 Luna，已在 Agent Arena 上线
OpenAI 把 GPT-5.6 三兄弟 Sol、Terra 和 Luna 放到 Agent Arena 里了，能跑真实世界智能体任务，还能用网络和终端工具，去投个票就能影响排行榜。
7月9日
Meta发布Muse Spark 1.1，进入Agent Arena评测
Meta发了Muse Spark 1.1，能处理长任务和调用工具，已经在Agent Arena上架了，还开放了API和思考模式，感兴趣可以看看。
Grok 4.5 进入 Agent Arena 评测，专注编程和智能体
SpaceXAI 新发的 Grok 4.5 专门为编程和智能体任务优化，已经在 Agent Arena 开测，你可以亲自去给它投票。
7月7日
Claude Sonnet 5 (Thinking) 在Agent Arena排行榜位列第6
Anthropic 新出的 Claude Sonnet 5 主打智能体能力，Agent Arena 排第6，能自己规划并用工具完成任务。关心自主执行模型的可以看看它的实际表现。
7月3日
7月2日
7月1日
Claude Sonnet 5 进入 Agent Arena 评测
Anthropic 发布了更智能的 Sonnet 5，能在 Agent Arena 里自主用浏览器和终端干活，比几个月前的大模型还强。
6月30日
6月27日
6月19日
Agent Arena因果追踪法量化人机协作价值，GLM-5.2和Claude Fable 5登榜
想看看人机协作到底有没有用？Agent Arena拿数据说话，GLM-5.2开源最强，Claude Fable 5刚登顶就被叫停，这瓜值得吃。
6月18日
Agent Arena上线两周，GLM-5.2与Claude Fable 5登榜
想看看最新智能体模型谁最强？Agent Arena更新了，GLM-5.2开源冲进前十，Claude Fable 5暂时下线，榜单有了新格局。