Agent Arena 帕累托前沿上线,实时对比 57 个模型的任务成本与表现
arena · x · 2026-09-03
LMArena 团队放出 Agent Arena 帕累托前沿页面:基于真实 Agent Mode 任务的净提升×单任务成本,动态排名 57 个模型,累计超 217 万次会话,信号维度包括工具可靠性、任务完成率与可操控性。此帖为 Gemini 3.8 Flash 榜单发布的补充链接帖。
所属事件:Gemini 3.8 Flash 上线重塑 Agent Arena 性价比格局(4 条相关)→
「模型」频道最新
- OpenRouter 数据：Opus 5.5 在 29 类任务中 20 类支出第一 — mmurph · 2026-10-21
- 小团队数月从零到百造出 LLM，称 Meta 开源将迎第二纪元 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 配 DFlash drafter：分块 16 token 提速推理 — TimDarcet · 2026-10-21
- EvoPress 量化让 30B 模型从 56GB 压到 19GB，精度几乎不掉 — TimDarcet · 2026-10-21
- Muse Glimmer-30B 雷达图曝光：对标 Gemma4-31B 与 Qwen3.6-27B — TimDarcet · 2026-10-21
- 隐私评测 CIMemories：Muse Glimmer-30B 泄密率 26.4 优于 Qwen 的 53.4 — TimDarcet · 2026-10-21