Phone Use Arena 上线:17 个手机操作 Agent 实测,单任务成本差 150 倍
ycombinator · x · 2026-11-04
Coarena 推出 Phone Use Arena,对手机端 Agent 进行盲评排行。
- 17-18 个模型两两对战,由人类与模型盲判打分,涵盖 OpenAI、Anthropic、Kimi、Meta、Google 等
- 101 项指标中 74 项可在手机上直接测量;手机测不了的项目会说明原因
- 单个完成任务的成本从 $0.008 到 $1.23,相差约 150 倍
- 总榜第一为 GPT-6.1 Terra(1116±44),Kimi K3(1100)与 Kimi K3.1 Pro(1067)分列二三位,开源模型 Qwen3.8-2.4T、GLM 5.3 Flash、MiMo V2.6 Pro 也在榜上
- 排行榜每 10 秒更新,提供分用例(设置/时钟日历/移动网页)细分排名与 CSV 导出
「编程与Agent」频道最新
- Workers IO 发布：用确定性虚拟机跑百万级故障注入仿真，提前抓住生产事故 — julianweisser · 2026-11-04
- 团队开放互相可见的 agent 会话后，他让 AI 读取同事会话学工作流 — steipete · 2026-11-04
- Claude Fable 5 把整站连图转写喂给 Opus 玩网页解谜 — repligate · 2026-11-04
- 免费 MCP server 一键编译 LaTeX 并用大白话解释报错 — PurplelinkPL · 2026-11-04
- 三模型流水线实测:Claude 协调、Grok 审查、Codex 修复 — PawelHuryn · 2026-11-04
- WoW × LOL Arena 融合肉鸽 PvP：4 组双人混战demo展示 — TAbrodi · 2026-11-04