Opus 5.5 登 Agent Arena 第二:效果超 Opus 5,成本降 40-56%
arena · x · 2026-09-29
Agent Arena(agent 任务实时排行榜,超 205 万 sessions)发布最新数据,Claude Opus 5.5 (High) 排名第二并重塑 Pareto 前沿:
- Opus 5.5 (High):每任务中位成本 $1.31,净改进 +12.15%,净改进分超过两款 Opus 5,而成本比 Opus 5 (Max) ($2.98) 低 56%、比 Opus 5 (High) ($2.17) 低 40%。
- Pareto 前沿上的其他模型:Claude Fable 5.1 (Max) +13.84% / $3.51,GPT 6 Sol (Max) +8.18% / $0.82,腾讯 Hy4 preview +4.25% / $0.20,DeepSeek V4.1 Flash +3.96% / $0.07。
- 完整榜单还包括 Kimi K3、Grok 4.7、Gemini 3.8 Flash 等 45 个模型,按工具可靠性、任务完成度与可操控性等信号动态排名。
所属事件:Claude Opus 5.5 登 Agent Arena 第二,成本大幅下降(2 条相关)→
「模型」频道最新
- 悬赏 5 天无人找到 750 词假阳性,网友:没人愿赌 1000 美元 — ctjlewis · 2026-11-16
- Pangram 误报悬赏之争:五天无人领赏,是检测器太准还是没人愿赌 1000 美元 — FangYi11101 · 2026-11-16
- MazeBench token 效率榜:Fable 5.2 领先,将跑满 10 亿 token 验证 — patience_cave · 2026-11-16
- MazeBench 新高:Fable 5.2 花费 90 小时和 6000 美元跑出 21% 登顶 — patience_cave · 2026-11-16
- 腾讯 Hy4 flash 与 internlm Sage-S2.1-Flash 同日发布,实测征集 — MajesticPuzzler · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16