Agent Arena 榜单发布：开源模型追平 Claude，成本低近九成

Arena 发布基于 238 万+会话、53 个模型的 Agent Arena 排行榜，以「Confirmed Success」（用户确认任务真实完成）衡量 agent 可靠性。榜单显示开源模型 3 个月内追平 Claude，成本却低 89-96%；Claude Opus 5.5 (Max) 以 15.53% 净提升居首，Gemini 4 工具幻觉率最低。

2026-10-13 ~ 2026-10-13 · 2 条相关

• Agent Arena：开源模型3个月追平 Claude Fable 5，成本低89-96% — arena · 2026-10-13
• Agent Arena 榜单详解：Opus 5.5 净提升居首，Gemini 4 工具幻觉最低 — arena · 2026-10-13