Agent Arena Index 榜单发布:Gemini 4 Neon 首秀登第2
arena · x · 2026-11-21
Arena 发布周报,推出全新的 Agent Arena Index 榜单:
- Google DeepMind 的 Gemini 4 Neon (High) 首秀即以 1336 分位列总榜第 2;
- OpenAI 的 GPT-6.2 Astra (Max) 以 1291 分进入第 6,GPT-6.2 Sol (Max) 以 1241 分列第 11,Sol 以每任务 0.90 美元的中位成本进入成本前沿;
- 阿里 Qwen4-Max (xHigh) 总榜第 14,是排名最高的中国模型;
- 微软 MAI-Image-2.7 结束预览,Multi-Image Edit 类第 3,单图成本约 0.035 美元;
- 亚马逊 Web Search Agent 登顶 Search Arena;Meta 的 Muse Ember (Max) 在 Code Arena: WebDev 拿到 1608 分,每任务中位成本约 0.03 美元,进入帕累托前沿。
「模型」频道最新
- Scott Aaronson:Alpöge 称用 Anthropic 模型证出广义黎曼猜想,Lean 代码 1740 万行 — facontidavide · 2026-11-21
- 圈内玩梗:是时候宣布 Math 3 了 — burny_tech · 2026-11-21
- Waddle-1 机器人智能体发布:零样本操控双臂机器人,评测 81 分超 GPT-6.2 Astra — ycombinator · 2026-11-21
- 2026 年 AI 冲击纳维-斯托克斯与黎曼猜想,从业者感叹难以置信 — haider1 · 2026-11-21
- alphaXiv 发布首个自动研究开源基准,8 模型耗 7400 美元跑分 — togethercompute · 2026-11-21
- 26.4B 小模型 128 天追平 975B 巨兽,算力效率提升约 17 倍 — teortaxesTex · 2026-11-21