Agent Arena 榜单详解：Opus 5.5 净提升居首，Gemini 4 工具幻觉最低
arena · x · 2026-10-13
Arena 补发 Agent Arena 排行榜链接与完整榜单数据（基于 238 万+会话、53 个模型）：Claude Opus 5.5 (Max) 以 15.53% 净提升居首，GPT 6 Astra (Max) 13.09%、Claude Fable 5.1 (Max) 12.66% 紧随其后。性价比上 GPT 6.1 Sol 单任务成本仅 $0.62，Gemini 4 Argon 工具幻觉率最低（0.18%）。榜单还提供 Steerability、Bash Recovery、工具幻觉等多个 agent 维度信号，是观察 agent 能力格局的实时数据源。
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
- 长上下文决策模型 SubQ Snap 发布：384K 上下文单秒出决策,输入每百万 tokens 仅 $0.05 — ryanallred · 2026-10-13
- Google AI 摘要再次翻车：坚称已故者没死 — lilyraynyc · 2026-10-13
- Claude Opus 看不了视频,用户用 GTA 游戏帧图硬核绕过 — adonis_singh · 2026-10-13
- 用户吐槽 Gemini Deep Research 今日网速极慢 — gaganghotra_ · 2026-10-13
- 用 RAID10 双阵列本地跑 GLM 模型：冷加载约 1 分钟 — TheZachMueller · 2026-10-13
- 实测对比:Opus 5.5 SVG 生成惊艳,Muse Wonder 落后前沿 3-6 个月 — scaling01 · 2026-10-13