排行榜

能力评测站内热度

外部权威评测，保留原始分数与来源

综合编程 Agent 与工具推理与知识写作与对话语言行业视觉图像视频

Agent 综合命令行可靠性联网搜索文档理解

Agent 综合Agent Arena：用户在带工具的工作区中委托真实任务，综合任务成功、纠错、工具幻觉等信号；分数为相对平均水平的净提升。

第 1 名

Claude Opus 5.5 (Max)Anthropic

Agent 净提升

18.88pt±2.74

领先第 2 名

+4.74统计并列

来源

Arena2026-10-16

Agent 综合排名35

model= /

第一梯队2 个模型与第 1 名在 95% 置信区间内无显著差异，名次先后不代表确定的强弱。

名次模型Agent 净提升· 95% 区间

Claude Opus 5.5 (Max)

18.88

GPT-6 Astra (Max)

14.13

Claude Fable 5.1 (Max)

14.03

GPT-6.1 Sol (Max)

13.60

Gemini 4 Argon (High)

13.23

Claude Sonnet 5.5 (Max)

12.99

GPT-6 Sol (Max)

10.31

Claude Opus 5 (Max)

8.68

Claude Fable 5 (High)

8.18

GPT-5.6 Sol (xHigh)

7.08

Claude Sonnet 5 (High)

4.58

Gemini 3.8 Flash (High)

3.75

Grok 4.7 (xHigh)

3.21

GPT-5.5 (xHigh)

3.14

GPT-6 Luna (Max)

3.01

DeepSeek-V4.1-Flash (Max)

2.74

GLM-5.2 (Max)

2.26

Kimi K3 (Max)

1.93

GLM-5.3 (Max)

1.78

Qwen3.8 Max

Qwen3.8-Max

1.76

有 7 天前的可比快照后显示周变化。