Agent Arena 是 LMArena（原 LMSYS Chatbot Arena）推出的智能体专项排行榜，用真实用户盲测投票的方式，对不同厂商 AI 智能体完成实际任务的表现进行排名，被视为衡量智能体（Agent）能力的重要公开基准。与传统的对话模型榜单不同，它关注的是模型在多步骤任务执行中的综合表现，而不是单轮问答质量。
Agent Arena 近期进展
当前焦点与观察点
目前 Agent Arena 上最值得关注的现象是头部格局的变化速度。开源阵营的榜首在短时间内多次易主，从小米 MiMo V2.6 Pro 到 DeepSeek-V4.1-Flash-1017，说明开源模型在智能体任务上的迭代节奏很快，与闭源模型的差距正在收窄。
另一个有意思的数据是 LMArena 官方披露的观察：头部实验室智能体的任务成功率已经趋于接近，但用户体验层面的差距仍在拉开。这意味着单纯的完成率指标已不足以区分产品优劣，响应速度、交互质量、稳定性等“体感”因素正成为智能体竞争的新变量。
对使用者和开发者而言，Agent Arena 的价值在于提供了一个基于真实使用而非实验室评测的参照系。后续可以重点观察三点：开源与闭源模型的总榜差距是否继续缩小、新发模型能否稳定保持在榜、以及 LMArena 是否会进一步细分智能体任务类别的子榜单。