Agent Arena：用数百万真实长程任务评测模型的智能体能力
arena · x · 2026-09-11
Agent Arena 是一个基于数百万真实世界长程智能体任务的模型评测榜：模型需要调用网页搜索、文件系统和终端工具完成复杂工作流。
评测采用因果追踪（causal tracing）方法，「净提升」指标衡量某模型相对平均模型带来的结果改善幅度，完整榜单可在其官网查看。
所属事件:Agent Arena 发布：数百万真实长程任务评测模型智能体能力(2 条相关)→
「编程与Agent」频道最新
- 微软研究院与 CMU 发布 SecureVibe:让 vibe coding 写出更安全的代码 — lileics · 2026-10-28
- Nitrosend 让 Grok Bot 自主接管邮件营销:一条 SKILL.md 全自动配置 — nikvassev · 2026-10-28
- Oracle 推出 AI Agent 图像记忆:截图凭据可跨会话留存检索 — TheTuringPost · 2026-10-28
- Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
- Pichai 自述用内部 Agent 汇报训练进展与算力遥测 — rohanpaul_ai · 2026-10-28
- Amazon 重写 SDE 角色指南：定义「文艺复兴开发者」时代 — prdeepakbabu · 2026-10-28