Agent Arena 发布真实任务智能体排行榜：Claude Opus 5 登顶，Kimi K3 性价比突出
Agent Arena 发布了基于真实世界任务的智能体性能排行榜，评测数据来自全球社区用户提交的数百万个长周期任务，共覆盖 187 万会话、49 个模型。模型在任务中可调用网页搜索、文件系统和终端等工具，榜单采用因果追踪方法，衡量模型在工具可靠性、任务完成度和可控性等维度上相对平均水平的净改进，同时结合每任务成本给出性价比排名。
已确认
- 综合性能榜：Claude Opus 5 (High) 以 12.47% 的净提升率排名第一，Kimi K3 (Max) 和 GPT 5.6 Sol (xHigh) 分列其后。
- 成本与性价比：Kimi K3 (Max) 以 0.62 美元的中位任务成本位列第四，性价比极高；Claude Opus 5 (Max) 得分略高但成本高达 3.37 美元，是前五中最贵的，同档智能体任务成本相差超过五倍。
- Pareto 最优：Claude Opus 5 (High) 以 1.78 美元/任务、+12.34% 净提升处于性价比前沿。
为什么重要
- 相比合成基准，基于真实用户任务的因果追踪评测更能反映模型在复杂工作流中的实际表现与可控性。
- 榜单同时呈现性能与成本，显示头部模型之间「净提升 × 每任务成本」差距巨大，为选型提供了直接的性价比参考。
2026-08-20 ~ 2026-08-21 · 5 条相关
一手来源
- Agent Arena 榜单发布：百万真实任务评测 Agent — arena ·
- Agent Arena 榜单：Claude Opus 5 登顶 — arena ·
- Agent Arena 榜单：同档智能体任务成本相差超五倍 — arena ·
- Agent Arena 榜单：Kimi K3 性价比第一，Claude Opus 5 最贵 — arena · 2026-08-20
- 【源头】Agent Arena 榜单：同档智能体任务成本相差超五倍 — arena · 2026-08-20
- 【源头】Agent Arena 榜单发布：百万真实任务评测 Agent — arena · 2026-08-20
- 【源头】Agent Arena 榜单：Claude Opus 5 登顶 — arena · 2026-08-20
另有 1 条近重复转述:arena