Agent Arena 榜单更新：Claude Opus 5 领跑

Agent Arena 发布基于数百万真实 Agent 任务评估的最新排行榜，考核维度涵盖工具可靠性、任务完成度与可控性。截至 2026 年 8 月 13 日数据，Claude Opus 5 (High) 以 12.29% 的净改进率暂居榜首，Kimi K3 (Max) 紧随其后，两者在真实工具编排任务中表现领先其他模型。

2026-08-18 ~ 2026-08-19 · 2 条相关