Confirmed是AI模型性能评估领域的关键指标，特指模型在各类基准测试中的表现得到验证和确认的过程。近期，多款AI模型在Agent Arena这一权威平台上获得了性能确认，展现出显著的进步和竞争态势。
Agent Arena 近期进展
Gemini 3.7 Flash (High)在Agent Arena排名第20，较前代跃升15位，表现亮眼。Gemini 3.7 Flash (High)在Agent Arena排名第20，较前代跃升15位
DeepSeek-V4-Flash (High)以0.024美元单任务成本重塑Agent Arena性价比，成为最具成本效益的选择之一。DeepSeek-V4-Flash (High)以0.024美元单任务成本重塑Agent Arena性价比
DeepSeek-V4-Flash新版本登Agent Arena第21、开源第3，开源模型表现强劲。DeepSeek-V4-Flash 新版本登 Agent Arena 第21、开源第3
Claude Opus 5在Agent Arena排名第二第三，确认了其在多任务处理上的卓越能力。Claude Opus 5 在 Agent Arena 排名第二第三
当前焦点与观察点
AI模型的性能确认过程正变得越来越重要，随着各厂商不断推出新版本，Agent Arena成为验证模型实际能力的关键平台。从数据看，开源模型如DeepSeek-V4-Flash正在缩小与闭源模型的差距，而成本效益成为重要考量因素。未来，模型在复杂任务中的表现和可操纵性将成为确认其价值的重要标准。