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
- Meta 开源 Muse Spark Open:SGLang 一天支持,NVFP4 内核提速近 4 倍 — BanghuaZ · 2026-10-16
- Prompt 里写 load-bearing 可让 Opus 5.5 全力输出不藏拙 — zacharynado · 2026-10-16
- 美国人来中国出差用 Claude 也被封号 — dotey · 2026-10-16
- 逐条核算 Grok Bot 账单：五天烧穿 $20 到 $200，长任务占 52% — jonathanmalkin · 2026-10-16
- NVIDIA 开源 Nemotron-3.5-Embed-1B：图文物页检索、34 种语言的通用嵌入模型 — jacek2023 · 2026-10-16
- EpochAI 估 GPT-6 训练算力 4.6e26 FLOP,引算力圈质疑参数高估 — scaling01 · 2026-10-16