GLM-5.2 (Max) 在 Code Arena 前端排名第二，超越 Claude Opus 4.7
GLM-5.2 在编程和智能体任务上超越 Claude Opus 4.7，是开源模型新标杆，编程能力仅次于 Fable 5。
#Agent Arena
共 187 条 · 7 天 21 条 · 30 天 59 条
6月17日
GLM-5.2 (Max) 跃居 Agent Arena 第10，为最强开源模型
Zai_org 发了 GLM-5.2，在 Agent 任务榜单上排第10，碾压所有开源模型，而且价格没变。跑复杂工作流、调工具效果明显进步。
MiniMax M3 在 Agent Arena 排名第18，成为第5开源模型
MiniMax M3 在 Agent Arena 上排名上升了4位，是最强开源模型之一，能写代码、做PPT、查资料，幻觉控制也顶级。
6月13日
6月12日
GPT-5.5 (xHigh) 在 Agent Arena 排名第二，仅次于 Claude Fable 5
做智能体开发和 AI 评测的团队值得关注——GPT-5.5 在用户满意度和故障恢复上反超 Claude，说明 OpenAI 在实用场景上有了实质提升，建议直接去 Agent Arena 跑跑自己的任务。
6月11日
Claude Fable 5 登顶 Agent Arena 排行榜
做 AI 智能体开发的团队终于有了真实任务驱动的评测基准——Fable 5 在 30 万任务中碾压对手，值得关注其强执行与弱引导的权衡。
6月10日
Claude Fable 5 在 Agent Arena 初体验
做智能体开发的团队可以看看 Claude Fable 5 在 Agent Arena 的实际表现，直接对比其他模型，值得点开视频一探究竟。
Claude Opus 4.8 在 Agent Arena 与 GPT 5.5 并列第一
Agent Arena 用真实任务和因果推断评估智能体，比传统基准更贴近实际使用场景。做智能体开发或选型的团队，值得关注这个排行榜来对比模型的实际表现。
Claude Fable 5 进入 Agent 模式，Agent Arena 排行榜揭晓
想对比主流模型在真实任务中的智能体能力？Agent Arena 用 30 万+任务和 200 万+工具调用给出了量化排名，做 AI 应用选型的团队可以直接参考排行榜做决策。
6月9日
Grok Build 0.1 和 Grok 4.3 在 Agent Arena 排名第15、17
xAI 的模型在 Agent Arena 中取得不错排名，做智能体开发和自动化任务的团队可以看看 Grok Build 0.1 在 bash 能力上的改进，值得关注其实际任务完成率提升。
Agent Arena 排行榜发布：基于百万真实会话挖掘五大行为信号
做智能体开发和评估的团队终于有了基于真实用户行为的量化指标，比传统基准测试更贴近实际使用，建议点开看看你的智能体在这些信号上表现如何。
6月7日
产品01:13
Agent Arena 上线 Agent Mode：用前沿 AI 智能体完成真实工作Agent Mode 让 AI 智能体从聊天走向真实工作，做自动化、开发或研究的团队可以直接上手测试前沿模型的实际表现，还能影响排行榜排名，值得一试。
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。
NVIDIA Nemotron 3 Ultra 加入 Agent Arena，多模型对决复杂任务
Agent Arena 用真实任务数据解决了智能体评估难的问题，做 AI 智能体开发或选型的团队可以直接参考排行榜和会话信号，比纯基准测试更有说服力。