Agent Arena 榜单更新:GPT-6 Luna 以 $0.05/任务挤进 Pareto 前沿
arena · x · 2026-09-29
Agent Arena 更新了真实 Agent 任务下的性价比 Pareto 前沿(基于 200 万+ 会话、46 个模型):
- OpenAI GPT-6 Luna (Max) 以中位 $0.05/任务进入前沿,净提升 +1.59%,比 DeepSeek-V4.1-Flash 便宜 29%、比腾讯 Hy4 preview 便宜 76%,分数仅落后 2.27/2.51 个百分点
- 性能榜首仍是 Anthropic Claude Fable 5.1 (Max):+14.06%,$3.47/任务;Claude Opus 5.5 (High) 以 +11.84%、$1.35 居次
- 开源阵营里 DeepSeek V4.1 Flash (Max, MIT) +3.86% 仅 $0.07/任务,腾讯 Hy4 preview (Apache 2.0) +4.10% / $0.21
整体呈现:性能端 Anthropic 领跑,低价端中国开源模型与 GPT-6 Luna 贴身肉搏。
所属事件:GPT-6 Luna 登上 Agent Arena 性价比帕累托前沿(2 条相关)→
「编程与Agent」频道最新
- 通用 API 目录 MCP 服务器实测:3 个工具换来永不膨胀的上下文 — MandeepKaur9407 · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- Effective HTML 走红 GitHub:4.2k 星的 agent 技能集,线框图秒变可交互原型 — tom_doerr · 2026-11-16
- skills-gate:一个门面 skill 管住所有 agent skills,148 个技能仅耗 389 token — Distinct-Pie2389 · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16