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:Agent Arena 上线帕累托前沿，实时对比 57 个模型(2 条相关)→
「模型」频道最新
- Fable 5.1 跑掉 10 万推理 token，撞上 128K 输出天花板 — rohanpaul_ai · 2026-09-03
- 一周连发五款模型，网友惊呼 Google 节奏完全失控 — sethlazar · 2026-09-03
- Every 写作基准首次纳入 Gemini 3.8 Flash、Grok 4.6 与 Muse Spark 1.3 — danshipper · 2026-09-03
- 谷歌六周内第三发:Gemini 3.8 Flash 发布,附网络安全专用版 — 机器之心 · 2026-09-03
- Meta Muse Spark 1.3 上架 OpenRouter：1M 上下文主打长程 Agent 工作流 — armand_ruiz · 2026-09-03
- DeepSeek-V4-Pro 正式版发布：1.6T 参数 MoE，开源评测 Harness 同步亮相 — DeepLearningAI · 2026-09-03