Arena 智能体榜单:Claude 好评差评比近两倍领先其他模型
thursdai_pod · x · 2026-11-18
播客账号 thursdaipod 讨论 Claude 模型在 Arena agent 排行榜上的表现。@petergostev 指出,该模型在「好评 vs 差评」比例上接近其他任何模型的两倍,稳居第一。他同时提出疑问:为什么表现出色的是 5.2 版本而不是更新的 5.5?
「模型」频道最新
- Claude Fable 5.2 Arena 代理榜抱怨率仅为其他模型一半,播客热议版本谜团 — thursdai_pod · 2026-11-18
- GPT-6 Cyber 发现 Java 重大漏洞,波及约 90% 财富 500 强公司 — gdb · 2026-11-18
- GPT-6.2 Astra 口碑翻车:多位知名评测人齐称「不可用」,不及 Opus 5.5 和 Fable — deedydas · 2026-11-18
- ARC-AGI 评测台澄清:OpenAI 用「厂商适配 harness」,跨轮保留隐式推理并自动压缩 — giffmana · 2026-11-18
- Ethan Mollick 谈模型「人格」:跑分测不出,Opus 5.5 找回了熟悉的 Claude 味 — eldonredwards · 2026-11-18
- 评测图揭 GPT-6.2 Astra 短板:Agentic 大跌至 70.8,浏览器任务 93 分领跑 — bindureddy · 2026-11-18