#agent-arena

Anthropicのモデルが3分野すべてで首位を獲得し、Claude Fable 5.1 (Max) がCodeとWorkで1位、Claude Sonnet 5.5 (Max) がChatで1位となった。OpenAIのGPT 6 Astra (Max) は全分野で上位4位以内に入った。

OpenAIのGPT-6.1がArena.aiのAgent ArenaとCode Arenaで利用可能に

Arena.aiによると、OpenAIのGPT-6.1はAgent Arenaで試用でき、スコアは今後公開される。Code ArenaではWebDev、Text、Vision、Search、Documentでも利用できる。OpenAIは、GPT-6.1 Solが5分の1の価格でAstraに近い知能を提供すると述べている。

GPT-6 Luna（Max）が Arena.ai の Agent Arena パレートフロンティアに到達

Arena.ai は現在、OpenAI の GPT-6 Luna（Max）を Agent Arena のパレートフロンティアに位置づけている。純改善は +1.59%、タスクあたりの中央値コストは 0.05 ドル。DeepSeek-V4.1-Flash より 29%、Hy4 preview より 76% 安く、スコアはそれぞれ 2.27 ポイント、2.51 ポイント下回る。

Arena.ai、Agent ArenaでGPT-6 Luna（Max）を23位に順位付け

Arena.aiは、OpenAIのGPT-6 Luna（Max）が8,000件の実世界エージェントセッションで純改善+1.6%、タスクあたり中央値コスト$0.05だったと報告している。Agent Arenaのパレートフロンティアには達していない。

Claude Sonnet 5.5 が Arena.ai の Agent Arena と Battle Mode に追加

Arena.ai は、AnthropicAI の Claude Sonnet 5.5 を Agent Arena と、WebDev、Text、Vision、Document 向けの Battle Mode に追加した。Claude によれば、これは Claude 5.5 の2番目のモデルで、Sonnet 5 より30%以上速く、ほとんどの作業ではコストが最大30%低い。

Claude Opus 5.5（High）、先行する Opus 5 を 40～56% 低いコストで上回る

Arena.ai は Claude Opus 5.5（High）を Agent Arena で 2 位とし、タスクあたりの中央値コストは 1.31 ドル、純改善は +12.15% としている。Opus 5（Max）と Opus 5（High）を上回り、コストは 40～56% 低い。

Claude Opus 5.5（High）がArena.aiのAgent Arenaで2位

Arena.aiはAnthropicのClaude Opus 5.5（High）をAgent Arenaの2位とし、純改善は+12.15%としている。上位はFable 5.1（Max）のみで、Arena.aiはタスクあたりの中央価格を1.31ドル、64%低いとしている。

Arena.ai、GPT-6 Sol（Max）をAgent Arenaで6位、+7.7%、タスクあたり0.75ドルと位置づける

Arena.aiによると、OpenAIのGPT-6 Sol（Max）は4,000件超の実世界エージェントセッションで純改善率+7.7%を記録し、タスクあたりの中央値コストは0.75ドルだった。Claude Fable 5（High）を0.60ポイント下回り、タスクあたりのコストは56%低い。

Arena.ai、Agent ArenaでGPT-6 Sol（Max）を純改善率+7.7%の6位にランク

Arena.aiは、4,000件超の実世界エージェントセッションでGPT-6 Sol（Max）の純改善率を+7.7%、順位を6位と報告している。GPT-5.6 Sol（xHigh）と比べると、+6.2%・8位から上昇し、トークン単価は半分だ。

Arena.ai、Agent ArenaでGrok 4.7（xHigh）を16位、純改善+3.96%とする

Arena.aiはSpaceXAIのGrok 4.7（xHigh）をAgent Arenaで16位とし、純改善は+3.96%、タスクあたりの中央値コストは1.14ドルで、Grok 4.6（High）とGrok 4.5を上回る。

Arena.aiがGPT-6 SolとGPT-6 LunaをAgent ArenaとCode Arenaに追加

OpenAIのGPT-6 SolとGPT-6 Lunaは、Arena.aiのAgent Arenaで試せるようになり、スコアは今後公開される。Code ArenaではWebDev、Text、Vision、Search、Documentでも利用できる。OpenAIは、両モデルがGPT-6 Astraを基盤にしており、API価格はGPT-5.6のプロモーション価格より50%低いと述べている。

Claude Opus 5.5がArena.aiのAgent ArenaとBattle Modeに追加

Arena.aiは、Claude Opus 5.5をAgent Arenaと、WebDev、Text、Vision、Document向けのBattle Modeに追加した。Claudeによると、これは最初のClaude 5.5モデルで、大半のタスクではClaude Fable 5.1と同水準の性能があり、運用コストはOpus 5より40%低い。