LMArena 新增 6 大 Agent 榜单:Claude Fable 5.2 三项屠榜
arena · x · 2026-11-19
LMArena(arena)在 Agent Arena Index 和 Alignment Index 之外,基于数百万次真实 agent 会话推出六个聚焦榜单,分别回答一个选模型的具体问题:
- Work:知识工作谁最强(综合四项信号)
- Coding:最佳编码 agent(综合信号)
- Chat:最佳日常对话 agent(综合信号)
- Task Outcome:谁最能完成任务(看任务完成率与赞美/抱怨比)
- Tool Use:谁的工具调用最可靠(看 Bash 可靠性)
- Steering:谁最能听懂用户纠正(看可纠正性)
配图显示(11 月 13 日数据,65 个模型):Claude Fable 5.2 (Max) 在 Work Index(1452 分)、Coding Index(1533 分)、Chat Index(1386 分)三项均排第一,Claude Opus 5.5 居次;Daily Driver 档多由 GPT-6.1 Terra (Max) 和 Gemini 4 Argon (High) 占据,主打约 1/10 价格的接近前沿性能;Efficient 档 GPT-6 Luna (Max) 约为 1/100 价格。Work Index 第一名单任务成本 $11.36、耗时 25.1 分钟,而排名第三的 Gemini 4 Carbon 单任务仅 $1.59。官方表示后续会持续向这些榜单加入新信号。
所属事件:LMArena 推出六个 Agent 专项榜单,基于数百万真实会话(2 条相关)→
「模型」频道最新
- GAO 审计:Claude、Grok、ChatGPT、Gemini 护栏均可轻松绕过 — midwoodgirl10 · 2026-11-19
- Harmonic 用 Aristotle 把 Bitcoin Core 签名解析 C 代码改写为 Rust 并给出形式化证明 — satnam6502 · 2026-11-19
- 用户观察:GPT-6.2 Astra 干活 30 分钟也主动汇报进度 — Angaisb_ · 2026-11-19
- Arena 推出六个全新 Agent 专项指数,覆盖编码、办公、聊天等场景 — arena · 2026-11-19
- Arena 发布 Agent Arena Index,可在线查看方法论详情 — arena · 2026-11-19
- 投资人吐槽遭 Anthropic 反常严格限流,疑与英伟达交易有关 — StewartalsopIII · 2026-11-19