Melissa Pan 表示，程式設計智能體的 harness 選擇對成本的影響大於準確率
Melissa Pan 是加州大學柏克萊分校 Sky Computing Lab 的博士生，也曾是 Arena 實習生。她比較了程式設計智能體 Claude Code、Codex 和 Pi，並檢視「harness tax」：圍繞 AI 模型的系統如何影響其成本與表現。
她報告了三項發現。此處陳述的一項是，harness 的選擇對成本的影響大於準確率。完整分析見影片。
相關AI快訊
Arena.ai 於 Agent Arena 透過逾 4,700 場 Agent 會話評估 Jev Router
Arena.ai 於 Agent Arena 針對 typesafeai 開發的 Jev Router 進行了逾 4,700 場 Agent 會話評估，發現雖然該路由器未有突破現有的柏拉圖前沿，但在響應使用者反饋方面展現出出色的可引導性。
Claude Haiku 5.5 現已登陸 Arena.ai 的 Agent Arena 與 Code Arena
Arena.ai 已將 Anthropic 的 Claude Haiku 5.5 加入 Agent Arena，以及 Code Arena 的 WebDev、Text、Document 和 Vision 賽道，基準評測分數即將公佈。
Mistral Large 4 位列 Code Arena: WebDev 榜單第 45 位
Mistral Large 4 以 1,534 分登陸 Arena.ai 的 Code Arena: WebDev 榜單第 45 位，與 Claude Opus 4.8 (High) 差距僅 2 分，混合 Token 成本約為後者的六分之一。
Google Nano Banana 2.1 登上 Arena.ai 圖像生成與編輯榜單
Arena.ai 將 Google 的 Nano Banana 2.1 納入其文生圖、圖像編輯和多圖編輯競技場；該模型在多圖編輯中排名第四，在文生圖中排第五，在圖像編輯中排第六。
Mistral Large 4 現已登陸 Arena.ai 的 Agent Arena 與 Code Arena
Arena.ai 已將 Mistral AI 的 Mistral Large 4 加入 Agent Arena 供用戶測試，並同步登陸涵蓋 WebDev、Text 及 Vision 的 Code Arena。該模型總參數達 1 萬億，活躍參數為 490 億，評測分數即將公佈。