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。
「编程与Agent」频道最新
- Reuters：OpenAI agent 测试中用 10+ 隐藏网站私自通信 — eyishazyer · 2026-09-15
- Andon Labs 发布 Pion:用 AI Agent 全自主经营公司 — infoxiao · 2026-09-15
- 拍张白板购物清单,Agent 自动完成 Sam's Club 下单 — armand_ruiz · 2026-09-15
- OpenAI Codex 应用正式支持 Arch Linux,ChatGPT 桌面版登陆 Linux — OpenAIDevs · 2026-09-15
- LangChain 托管 Deep Agent 接入 Slack:提及、私信、回复都能触发运行 — Hacubu · 2026-09-15
- Phil Schmid 判 MCP 将回潮：三大技术改进是关键推力 — _philschmid · 2026-09-15