Arena 发布 Agent Arena Index,290 万真实会话重构智能体榜单
Arena(原 LMArena 团队)于 11 月 19 日发布全新的 Agent Arena Index,取代原有的 Agent 排行榜,并同步推出 Alignment Index 与六个专项分榜。新指数体系基于 290 万+ 真实用户会话与全球社区数百万次 agent 任务轨迹,衡量智能体完成复杂工作流、使用工具、适应反馈等综合能力,并用于追踪智能体智能水平的进展。官方同时发布方法论文章,指数可在线浏览。
已确认
- Agent Arena Index 基于 290 万+(近 300 万)真实用户会话,提供跨所有智能体任务类型的综合评分,取代原 Agent 排行榜。
- 在 Agent Arena Index 与 Alignment Index 之外,新增六个聚焦榜单,分别回答一个选模型的具体问题,场景覆盖 Work(知识工作,综合四个方向)、编码、聊天、任务完成、工具使用、可操控性等维度。
- 数据来源为真实任务与数百万次 agent 会话/轨迹。
- 方法论文章已发布,Agent Arena Index 可在线查看。
- 社区作者 @infwinston 转述称新指数基于近 300 万条真实 agentic 会话,强调以真实世界数据衡量智能体完成实际工作的能力。
为什么重要
- 榜单从单一总分细化为按场景的专项指数,直接服务「选哪个模型做哪类事」的决策需求。
- 以真实用户会话而非构造性评测为数据基础,反映智能体在真实工作流中的表现,并可长期追踪智能水平进展。
此外,帖子作者转述称 Claude 在其中三项分榜中领先(「三榜屠榜」),该说法来自社区转述帖,具体名次以官方在线榜单为准。
2026-11-19 ~ 2026-11-19 · 8 条相关
一手来源
- LMArena 推出 Agent Arena Index:290 万会话重构智能体排行榜 — arena ·
- Arena 发布 Agent Arena Index 与 Alignment Index 六大分榜 — arena ·
- Arena 推出 Agent Arena Index:近 300 万真实会话衡量 agent 实战能力 — infwinston ·
- 【源头】LMArena 推出 Agent Arena Index:290 万会话重构智能体排行榜 — arena · 2026-11-19
- LMArena 新增 6 大 Agent 榜单:Claude Fable 5.2 三项屠榜 — arena · 2026-11-19
- Arena 推出六个全新 Agent 专项指数,覆盖编码、办公、聊天等场景 — arena · 2026-11-19
- Arena 发布 Agent Arena Index,可在线查看方法论详情 — arena · 2026-11-19
- 【源头】Arena 发布 Agent Arena Index 与 Alignment Index 六大分榜 — arena · 2026-11-19
- 【源头】Arena 推出 Agent Arena Index:近 300 万真实会话衡量 agent 实战能力 — infwinston · 2026-11-19
- Agent Arena Index 上线:基于近 300 万真实 agent 会话衡量智能体工作能力 — infwinston · 2026-11-19
另有 1 条近重复转述:infwinston