Arena.ai（@arena）公布 Agent Arena 数据：DeepSeek-V4.1-Flash (Max) 净提升约 +4.87%，中位任务成本约 $0.07，在开源 Top-3 中成本最低；相对 Hy4 preview 保留约 98% 净提升且成本低约 73%，相对 Kimi K3 (Max) 保留约 76% 表现且成本低约 92%。
Arena.ai 官方公布：Anthropic Claude Fable 5.1 (Max) 在 Agent Arena 基于 6.7k+ 真实长程智能体会话登顶，净提升 +15.8%，同时以中位 $4.14/任务改写价格-性能帕累托前沿。赞美 vs 投诉隐式情绪领先 +42.5%，确认成功 +22.4%，Bash 恢复 +13.1%，且无工具幻觉；GPT-6 Astra 轨迹仍在收集中。
LMArena 公布 Muse Spark 1.3（Max）在 Agent Arena 升至第 13 名，基于逾 8700 次真实智能体会话净提升 +4.2%；相对 1.2（xHigh）的第 30 名上升 17 位。编码、工作与聊天分榜均改善，其中 Code 升至第 15（+4.3%）。
LMArena 公布实战结果：OpenAI GPT-6 Astra (Max) 以 1797 分登顶 Code Arena WebDev，领先第二名 Claude Fable 5.1 (Max) 1762 分约 35 分，并高于 Claude Opus 5 (Max) 与 GPT-5.6 Sol (xHigh)。同时在约 $40/Mtoken（与最新 Claude 定价对齐）处重塑质量-价格帕累托前沿，覆盖含多步推理与工具调用的 agentic WebDev 任务。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察