Agent Arena 改版：按 170 万会话划分任务类别，新增模型任务成本榜
arena · x · 2026-08-18
Agent Arena 认为，单纯看性能的 agent 排行榜已不够用：用户真正关心的是「我的这类任务哪个模型最强」和「完成这个任务要花多少钱」。团队分析了 Agent Mode 中超过 170 万条用户会话，识别出用户最常委托给 agent 的任务类别，并实测完成这些任务的真实成本。
本次更新推出两个互补功能：Agent Costs 展示各模型完成同一任务的花费，并提供 Pareto 前沿视图，直观呈现每个性能水平上性价比最高的模型；另一项则是按任务类别的细分排行。
「模型」频道最新
- 五轮对抗后输出趋同：Claude Opus 5.5 与 Argon 创作实验结果诡异一致 — LanceCharger · 2026-10-16
- 自建「主观判断」基准：18 个模型一致性测试，GLM-5.3 登顶 — arkuto · 2026-10-16
- Bindu Reddy 实测:Argon 擅长复杂文档写作,成本仅 Opus 一半 — bindureddy · 2026-10-16
- MAI-2 比 V4-Pro 大 2 倍，微软 scaling 阶梯效率存疑 — teortaxesTex · 2026-10-16
- 阶跃 Step 5 Preview 上线 DeepInfra:600B MoE、1M 上下文,百万 token 输入 $1 — StepFun_ai · 2026-10-16
- Liquid AI 最大决策模型 d1-ultra 上架 OpenRouter,输入定价 $0.042/百万 token — JosephJacks_ · 2026-10-16