GLM-5.3-Flash 登 Agent Arena 总榜第 19，开源模型中第 4
arena · x · 2026-08-31
Agent Arena 通过因果追踪（causal tracing）在真实世界的长程智能体任务上衡量模型表现，「净改进」（Net Improvement）表示某模型相对于平均模型对结果的改进幅度。
榜单显示 GLM-5.3-Flash 总排名第 19，净改进 +4.6%，在开源模型中排第 4。分项来看：Confirmed Success +15.3%、Praise vs. Complaint +4.9%、Steerability +2.4%、Bash Recovery -0.7%，未发现工具幻觉问题。
所属事件:GLM-5.3-Flash 上榜 Agent Arena，低成本重塑帕累托前沿(4 条相关)→
「模型」频道最新
- Beam 十项评测细分:自动化与物理推理翻倍领先,终端执行垫底 — ArtificialAnlys · 2026-10-16
- Beam 编码 Agent 指数仅 28 分:落后头部 40 分,但最省 token 之一 — ArtificialAnlys · 2026-10-16
- Beam 用量拆解:每任务 26k 输出仅 26% 是答案,推理占 19k — ArtificialAnlys · 2026-10-16
- Reflection 首模型 Beam 发布:美国开源权重第二,501B/23B MoE — ArtificialAnlys · 2026-10-16
- 为何 15B 以下开源模型越来越少见？大厂默契卡在 24-27B — Hot_Example_4456 · 2026-10-16
- 网友观察到模型自生成「理想回答」用于训练其他模型 — liminal_bardo · 2026-10-16