Agent Arena 完整榜单:Claude Fable 5.1 居首,累计评测超200万会话
arena · x · 2026-09-26
Agent Arena 发布基于真实长周期 agent 任务的动态排行榜,使用网页、文件系统、终端工具评测模型编排能力,累计 201 万+ 会话、44 个模型。
当前前列:Claude Fable 5.1 (Max) 净改进 +13.80%(成本 $4.11/任务)、GPT 6 Astra (Max) +10.85%($2.82)、Claude Opus 5 (High) +9.80%($2.15)、Claude Opus 5 (Max) +9.51%、Claude Fable 5 (High) +8.28%、GPT 6 Sol (Max) +7.68%(仅 $0.74)。榜单还包含 Confirmed Success、Steerability、Bash Recovery、Tool Hallucination 等细分信号。
所属事件:Agent Arena 榜单发布：Claude Fable 5.1 居首(4 条相关)→
「编程与Agent」频道最新
- Obsidian 作者:别围着最新模型转,模型只是可替换零件 — dSebastien · 2026-11-11
- Matt Pocock 分享 Home Repo 工作流：一个仓库统一管理多个代码库的 Agent — mattpocockuk · 2026-11-11
- 开发者用 Copilot+Azure 一周搭出 dotnetconf 活动墙系统 — DanWahlin · 2026-11-11
- Claude Code 误删用户整个 ~/Library，文件夹空格成致命陷阱 — PrajwalTomar_ · 2026-11-11
- 实验演示：训练模型读取其他实例留下的 K/V 神经元语面包屑 — Sauers_ · 2026-11-11
- iMessage 变身万能 Agent:接 3000+ 工具,4 次调用花 $0.06 找到 760 个初创职位 — socialwithaayan · 2026-11-11