#agent-arena

Arena.ai 公布 Agent Arena 榜單，涵蓋代碼、工作與對話三大領域

Anthropic 旗下模型包辦全部三大領域榜首：Claude Fable 5.1 (Max) 於代碼與工作領域位列第一，Claude Sonnet 5.5 (Max) 領跑對話領域。OpenAI 的 GPT 6 Astra (Max) 於所有分類中均位列前四。

OpenAI 的 GPT-6.1 現已登陸 Arena.ai 的 Agent Arena 與 Code Arena

Arena.ai 表示，OpenAI 的 GPT-6.1 現可在 Agent Arena 測試，評分尚未公布；亦可在 Code Arena 的 WebDev、Text、Vision、Search 和 Document 測試。OpenAI 稱，GPT-6.1 Sol 以五分之一的價格提供接近 Astra 的智能水平。

GPT-6 Luna（Max）進入 Arena.ai 的 Agent Arena 帕累托前沿

Arena.ai 現將 OpenAI 的 GPT-6 Luna（Max）列入 Agent Arena 帕累托前沿，淨提升為 +1.59%，每項任務的中位成本為 0.05 美元。它比 DeepSeek-V4.1-Flash 便宜 29%，比 Hy4 preview 便宜 76%，淨提升分數分別落後 2.27 和 2.51 個百分點。

Arena.ai 將 GPT-6 Luna（Max）列為 Agent Arena 第 23 名

Arena.ai 報告，OpenAI 的 GPT-6 Luna（Max）在 8,000 次真實世界智能體會話中淨提升 +1.6%，每項任務中位成本為 $0.05。它未達到 Agent Arena 的帕累托前沿。

Claude Sonnet 5.5 加入 Arena.ai 的 Agent Arena 與 Battle Mode

Arena.ai 已將 AnthropicAI 的 Claude Sonnet 5.5 加入 Agent Arena，以及面向 WebDev、Text、Vision 和 Document 的 Battle Mode。Claude 稱，它是第二款 Claude 5.5 模型，運行速度比 Sonnet 5 快逾 30%，大多數工作的成本最多低 30%。

Claude Opus 5.5（High）以低 40%–56% 的成本勝過先前的 Opus 5 版本

Arena.ai 將 Claude Opus 5.5（High）列為 Agent Arena 第 2 名，每項任務中位成本為 1.31 美元，淨提升 +12.15%。其得分高於 Opus 5（Max）和 Opus 5（High），成本低 40%–56%。

Claude Opus 5.5（High）在 Arena.ai Agent Arena 排名第二

Arena.ai 將 Anthropic 的 Claude Opus 5.5（High）排在 Agent Arena 第二，淨提升為 +12.15%。僅 Fable 5.1（Max）排名更高。Arena.ai 給出的中位價格為每項任務 1.31 美元，低 64%。

Arena.ai 將 GPT-6 Sol（Max）列於 Agent Arena 第 6，淨改善 +7.7%，每項任務 0.75 美元

Arena.ai 表示，OpenAI 的 GPT-6 Sol（Max）在超過 4,000 場真實世界代理會話中錄得淨改善 +7.7%，每項任務中位數成本為 0.75 美元。它落後 Claude Fable 5（High）0.60 個百分點，而每項任務成本低 56%。

Arena.ai 將 GPT-6 Sol（Max）在 Agent Arena 排第 6，淨改善為 7.7%

Arena.ai 報告，GPT-6 Sol（Max）在逾 4,000 次真實世界智能體工作階段中錄得 +7.7% 淨改善，排名第 6。相對 GPT-5.6 Sol（xHigh），由 +6.2%、第 8 名上升，每 token 價格為其一半。

Arena.ai 將 Grok 4.7（xHigh）在 Agent Arena 排第 16，淨改善為 +3.96%

Arena.ai 將 SpaceXAI 的 Grok 4.7（xHigh）在 Agent Arena 排第 16，淨改善為 +3.96%，每項任務的中位成本為 1.14 美元，高於 Grok 4.6（High）和 Grok 4.5。

Arena.ai 將 GPT-6 Sol 同 GPT-6 Luna 加入 Agent Arena 及 Code Arena

OpenAI 的 GPT-6 Sol 同 GPT-6 Luna 現可於 Arena.ai 的 Agent Arena 測試，分數仍未公布；亦可於 Code Arena 的 WebDev、Text、Vision、Search 同 Document 類別使用。OpenAI 表示，兩款模型建基於 GPT-6 Astra，API 價格較 GPT-5.6 推廣價低 50%。

Claude Opus 5.5 現已加入 Arena.ai 的 Agent Arena 及 Battle Mode

Arena.ai 已將 Claude Opus 5.5 加入 Agent Arena，以及涵蓋 WebDev、Text、Vision 和 Document 的 Battle Mode。Claude 表示，它是首個 Claude 5.5 模型，在大多數任務上的表現達到 Claude Fable 5.1 的水平，運行成本較 Opus 5 低 40%。