LMArena 推出六个 Agent 专项榜单,基于数百万真实会话

LMArena(Arena)在原有 Agent Arena Index 和 Alignment Index 之外,新增六个 Agent 专项指数,覆盖编码、办公、聊天等场景。新榜单基于数百万次真实 agent 会话中的真实任务构建,各自聚焦回答一个选模型的关键问题。有帖子提到 Claude Fable 5.2 在其中三项榜单上占据榜首,引发社区关注。

2026-11-19 ~ 2026-11-19 · 2 条相关