Agent Arena 榜单:DeepSeek V4.1 Flash 以 $0.06/任务挤进 Pareto 前沿
arena · x · 2026-09-15
Agent Arena 发布基于真实 Agent 模式任务的动态排行榜,按任务完成率与单任务成本绘制 Pareto 前沿。
- Claude Fable 5.1 (Max) 以 +13.90% 净提升居首,但成本高达 $4.54/任务;GPT 6 Astra (Max) +11.90%、$4.09/任务紧随其后。
- DeepSeek V4.1-Flash (Max)(MIT 开源)以 $0.06/任务的中位成本拿到 +4.87% 净提升,进入 Pareto 前沿,是榜单上性价比最极端的选项。
- 开源阵营还有腾讯 Hy4 preview(+4.96%,Apache 2.0,$0.22/任务);Kimi K3 (Max) +6.39%、$0.77/任务。
- 榜单累计约 169 万次会话,覆盖 43 个模型,统计近 14 天数据。
所属事件:DeepSeek-V4.1-Flash 登 Agent Arena 开源第三(3 条相关)→
「编程与Agent」频道最新
- Agent 上榜 FrontierCS 训练任务，GPT Sol 竟自己上手打游戏作弊 — wzenus · 2026-10-30
- Upstash 反转 onboarding：先让 agent 免费建 Redis，再注册账号 — stuffyokodraws · 2026-10-30
- Agent 身份安全创企 Mintive 融资 1100 万美元，日调用超 250 万次 — dunkhippo33 · 2026-10-30
- Cartesia 语音 Agent 实测：AI 牙科前台自然应对打断对话 — haider1 · 2026-10-30
- 开源 korea-data-mcp：修复 agent 读韩国公共数据的 47 个陷阱 — youngtipted · 2026-10-30
- 作者自述：一年前手写代码成了 FrontierCS 2 第三难任务 — wzenus · 2026-10-30