#agent-arena

Arena.ai 公布 Agent Arena 榜单，涵盖代码、工作与对话三大领域

Anthropic 旗下模型领跑全部三大领域：Claude Fable 5.1 (Max) 位列代码与工作领域第一，Claude Sonnet 5.5 (Max) 领跑对话领域。OpenAI 的 GPT 6 Astra (Max) 在所有分类中均位列前四。

OpenAI 的 GPT-6.1 现已登陆 Arena.ai 的 Agent Arena 与 Code Arena

Arena.ai 表示，OpenAI 的 GPT-6.1 现可在 Agent Arena 中测试，评分尚未公布；也可在 Code Arena 的 WebDev、Text、Vision、Search 和 Document 中测试。OpenAI 称，GPT-6.1 Sol 以五分之一的价格提供接近 Astra 的智能水平。

GPT-6 Luna（Max）进入 Arena.ai 的 Agent Arena 帕累托前沿

Arena.ai 现将 OpenAI 的 GPT-6 Luna（Max）列入 Agent Arena 帕累托前沿，净提升为 +1.59%，每项任务的中位成本为 0.05 美元。它比 DeepSeek-V4.1-Flash 便宜 29%，比 Hy4 preview 便宜 76%，净提升分数分别落后 2.27 和 2.51 个百分点。

Arena.ai 将 GPT-6 Luna（Max）列为 Agent Arena 第 23 名

Arena.ai 报告，OpenAI 的 GPT-6 Luna（Max）在 8,000 次真实世界智能体会话中净提升 +1.6%，每项任务中位成本为 $0.05。它未达到 Agent Arena 的帕累托前沿。

Claude Sonnet 5.5 加入 Arena.ai 的 Agent Arena 与 Battle Mode

Arena.ai 已将 AnthropicAI 的 Claude Sonnet 5.5 加入 Agent Arena，以及面向 WebDev、Text、Vision 和 Document 的 Battle Mode。Claude 称，它是第二款 Claude 5.5 模型，运行速度比 Sonnet 5 快 30% 以上，多数工作的成本最多低 30%。

Claude Opus 5.5（High）以低 40%–56% 的成本超过此前的 Opus 5 版本

Arena.ai 将 Claude Opus 5.5（High）列为 Agent Arena 第 2 名，每项任务中位成本为 1.31 美元，净提升 +12.15%。其得分高于 Opus 5（Max）和 Opus 5（High），成本低 40%–56%。

Claude Opus 5.5（High）在 Arena.ai Agent Arena 排名第二

Arena.ai 将 Anthropic 的 Claude Opus 5.5（High）排在 Agent Arena 第二，净提升为 +12.15%。仅 Fable 5.1（Max）排名更高。Arena.ai 给出的中位价格为每项任务 1.31 美元，低 64%。

Arena.ai 将 GPT-6 Sol（Max）列在 Agent Arena 第六，净提升 +7.7%，每项任务成本 0.75 美元

Arena.ai 称，OpenAI 的 GPT-6 Sol（Max）在 4,000 余次真实世界智能体任务会话中净提升 +7.7%，每项任务中位成本为 0.75 美元。它落后 Claude Fable 5（High）0.60 个百分点，但每项任务成本低 56%。

Arena.ai 将 GPT-6 Sol（Max）在 Agent Arena 排在第六，净改善率为 7.7%

Arena.ai 称，GPT-6 Sol（Max）在 4000 余次真实世界智能体会话中净改善率为 +7.7%，排名第六。相较 GPT-5.6 Sol（xHigh），该结果由 +6.2% 和第八名上升，每 token 价格为其一半。

Arena.ai 将 Grok 4.7（xHigh）在 Agent Arena 排第 16，净改善为 +3.96%

Arena.ai 将 SpaceXAI 的 Grok 4.7（xHigh）在 Agent Arena 排第 16，净改善为 +3.96%，每项任务的中位成本为 1.14 美元，高于 Grok 4.6（High）和 Grok 4.5。

Arena.ai 将 GPT-6 Sol 与 GPT-6 Luna 加入 Agent Arena 和 Code Arena

OpenAI 的 GPT-6 Sol 与 GPT-6 Luna 现可在 Arena.ai 的 Agent Arena 中测试，分数尚未公布；也可在 Code Arena 的 WebDev、Text、Vision、Search 与 Document 类别中测试。OpenAI 称，这两款模型建立在 GPT-6 Astra 的进展之上，API 价格比 GPT-5.6 的促销价低 50%。

Claude Opus 5.5 现已进入 Arena.ai 的 Agent Arena 与 Battle Mode

Arena.ai 已将 Claude Opus 5.5 加入 Agent Arena，以及面向 WebDev、Text、Vision 和 Document 的 Battle Mode。Claude 称，它是首个 Claude 5.5 模型，在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。