Melissa Pan 表示，编程智能体的 harness 选择对成本的影响大于准确率
Melissa Pan 是加州大学伯克利分校 Sky Computing Lab 的博士生，也曾是 Arena 实习生。她比较了编程智能体 Claude Code、Codex 和 Pi，并考察了“harness tax”：围绕 AI 模型的系统如何影响其成本和表现。
她报告了三项发现。此处陈述的一项是，harness 的选择对成本的影响大于对准确率的影响。完整分析见视频。
相关AI快讯
Arena.ai 在 Agent Arena 上基于逾 4,700 次智能体测试评估 Jev Router
Arena.ai 在 Agent Arena 上针对 typesafeai 开发的 Jev Router 开展了逾 4,700 次智能体测试。结果显示，虽然该路由模型未能突破现有帕累托前沿，但在响应用户反馈方面展现出了强大的可控性。
Claude Haiku 5.5 现已上线 Arena.ai 的 Agent Arena 与 Code Arena
Arena.ai 已将 Anthropic 的 Claude Haiku 5.5 接入 Agent Arena 以及 Code Arena 的 WebDev、Text、Document 和 Vision 赛道，基准评测分数即将公布。
Mistral Large 4 位列 Code Arena: WebDev 榜单第 45 名
Mistral Large 4 以 1,534 分在 Arena.ai 的 Code Arena: WebDev 榜单上位列第 45 名，与 Claude Opus 4.8 (High) 仅差 2 分，混合 Token 成本仅为后者的近六分之一。
Google Nano Banana 2.1 登上 Arena.ai 图像生成与编辑榜单
Arena.ai 将 Google 的 Nano Banana 2.1 纳入其文生图、图像编辑和多图编辑竞技场；该模型在多图编辑中排名第四，在文生图中排第五，在图像编辑中排第六。
Mistral Large 4 现已上线 Arena.ai 的 Agent Arena 与 Code Arena
Arena.ai 已将 Mistral AI 的 Mistral Large 4 引入 Agent Arena 供用户测试，同时该模型也已上线涵盖 WebDev、Text 和 Vision 的 Code Arena。该模型总参数量为 1 万亿，激活参数量为 490 亿，评测得分即将公布。