Agent Arena 长程任务实测:五大前沿模型用时差距达 55 分钟
arena · x · 2026-11-05
Agent Arena 公布长程 agent 任务评测数据,任务横跨数百轮对话,包括把代码库移植到 Rust、审计投资策略文档、撰写数学教材等。
对比五大实验室的旗舰模型发现,模型在长程任务上的总用时相差 55 分钟:Claude Opus 5.5(榜单第一)在所有任务长度上耗时最长,长程任务峰值达 1 小时 51 分;Kimi K3.1 Pro 在各长度上耗时最短,长程任务仅 56 分钟。数据显示长程会话会放大前沿模型之间的差异。
所属事件:Agent Arena 长程任务实测：前沿模型用时差距达 55 分钟(2 条相关)→
「编程与Agent」频道最新
- 实测 Grok 机器人打电话:85 秒通话仅耗 0.2% 额度 — elonmusk · 2026-11-05
- DeepSeek 开源 dsh-superagent：Router-Worker 架构提速近 2 倍 — Available_Damage2374 · 2026-11-05
- Perplexity Agent 代投 3 万美元广告,ROAS 比投放商高 63% — krishnan · 2026-11-05
- 提示词缓存+决策模型级联,把 LLM-as-judge 评测成本砍掉 70% — Longjumping-Piano550 · 2026-11-05
- 实测平价模型 particle-1 跑 agent 日常：多数任务追平 Opus，成本不足 2 美元 — heyneighbor · 2026-11-05
- Aether 用已有 Claude/ChatGPT 订阅跑云端编码 agent,只收机器费不收模型费 — Scobleizer · 2026-11-05