#arena-ai

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。

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。

Claude Sonnet 5.5（High）在 Code Arena WebDev 排名第四

Arena.ai 將 Anthropic 的 Claude Sonnet 5.5（High）排在 Code Arena: WebDev 第四，得分 1,699 分，綜合價格為每百萬 token 8 美元，較 Sonnet 5（High）高 159 分。

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。

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 比較了 Claude Code、Codex 和 Pi，並報告指圍繞 AI 模型的系統，即 harness，對成本的影響大於準確率。她提出三項發現；公告只陳述了這一項。

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 Claude Opus 5.5（High）列為 Text Arena 第 1，得分 1,509

Arena.ai 稱 Claude Opus 5.5（High）以 1,509 分領先 Text Arena，較 Opus 5（High）高 18 分，較位居第二的 Opus 4.6（High）高 4 分。Arena.ai 亦稱 Anthropic 佔據全部前六名，而 Opus 5.5（High）位於帕累托前沿，綜合價格為每百萬 token 16 美元。

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 Luna（Max）列為 Code Arena WebDev 第 24 名

GPT-6 Luna（Max）得分 1,593 分，比排名第 41 的 GPT-5.6 Luna（xHigh）高 74 分。Arena.ai 表示，它與 Gemini 3.7 Flash High 及 Qwen 3.8-27B 表現相當，混合價格為每百萬 token 0.40 美元。

Arena.ai 將 Claude Opus 5.5（Max）列為 Code Arena WebDev 第一

Arena.ai 表示，Claude Opus 5.5（Max）在其 Code Arena WebDev 排名中居首，混合價格為每百萬 token 16 美元，較排名次席的 GPT-6 Astra（Max）低 60%。分數基於 Arena.ai 全球社群的實時使用。

Arena.ai 表示 Claude Opus 5.5 (Max) 以每百萬 token 16 美元達到頂尖表現

Arena.ai 表示，Claude Opus 5.5 (Max) 以每百萬 token 16 美元的混合價格達到頂尖表現，並形容該性價比位置正在重塑帕累托前沿。