Agent Arena 榜单：Claude Opus 5.5 居首，GPT 6 Astra 紧随其后

arena · x · 2026-10-09

Agent Arena 发布基于真实 agentic 任务的模型排行榜，累计已收集约 238 万次会话、覆盖 52 个模型，按工具可靠性、任务完成率、可操控性等信号动态排名。

当前榜首是 Anthropic 的 Claude Opus 5.5 (High)（净提升 6 位，确认成功率 14.33%，Bash 恢复 13.55%）；OpenAI 的 GPT 6 Astra (Max) 以 13.09% 排第二；Claude Fable 5.1 (Max) 排第三。榜单同时给出每任务成本、输出 token 量、工具幻觉率等指标——如 GPT 6 Sol (Max) 每任务中位成本仅 $0.58，而 Fable 5.1 高达 $6.31。Google Gemini 4 Argon (High) 排第 7，Bash 恢复能力（21.41%）在前列中最强。