Agent Arena：开源模型3个月追平 Claude Fable 5，成本低89-96%
arena · x · 2026-10-13
Arena 发布 Agent Arena 排行榜，用「Confirmed Success」（用户确认任务是否真的完成）衡量 agent 可靠性：
- 7月1日的榜首 Claude Fable 5 领先所有模型，但仅 12 周后 Top-20 平均分就已追平它
- Kimi K3 仅用 3 周超越它，单任务成本低 89%；DeepSeek V4.1 Flash 追平时成本低 96%；GLM 5.3 Flash 低 95%
- Top-5 模型现在确认完成率达 94%（7月为 80%），由 Claude Opus 5.5、Claude Fable 5.1 和 GPT-6.1 Sol 领跑
核心结论：agent 能力商品化速度极快，今天的领先者很快会被拉平。
所属事件:Agent Arena 榜单发布：开源模型追平 Claude，成本低近九成(2 条相关)→
「模型」频道最新
- Allen AI 发布 TutorMoments 评测：LLM 辅导常过度代劳 — allen_ai · 2026-10-13
- DeepSeek flash 端点疑似静默换模型,v4.1-pro 或在暗中灰度测试 — teortaxesTex · 2026-10-13
- 开发者：3D 游戏 demo 的创造力同样体现在 CAD 与文档任务 — Angaisb_ · 2026-10-13
- subquadratic 新模型上线前实战对决 Jev 与 OpenAI，7 项赢 6 项 — ryanallred · 2026-10-13
- 测试发现 ChatGPT 张口就夸新用户智商达前 5% — Polymarket · 2026-10-13
- Gemini 4 Argon 宣布 11 天未开放，Muse Wonder 即发即用引发热议 — airesearch12 · 2026-10-13