Agent Arena 榜单：Claude Opus 5 领跑真实智能体任务

arena · x · 2026-08-21

Agent Arena 发布基于数百万真实用户长程智能体任务的排行榜，模型可调用网络搜索、文件系统与终端工具完成复杂工作流，用因果追踪方法衡量相对平均水平的表现。目前榜单头部：Claude Opus 5 (High) 以 12.47% 净提升居首（基于 19,787 会话，$2.13/任务），Claude Opus 5 (Max) 与 Claude Fable 5 紧随其后；Kimi K3 (Max) 排第 4（10.41%，83,274 会话，仅 $0.63/任务，性价比突出），GPT 5.6 Sol (xHigh) 第 5。另有一条用户信号反馈：Muse Spark 1.2 (xHigh) 的 Bash 错误恢复提升 11.4%、确认成功率提升 6%，但转向性下降 2.5%。