Arena veröffentlicht realitätsnahe KI-Agenten-Rangliste Agent Arena
Originaltitel:Arena just released a real-world agent leaderboard that ranks AI models by how well they complete ac...
KI-Zusammenfassung
Arena hat eine auf echten Nutzeraufgaben basierende Agenten-Rangliste eingeführt, die die Leistung von Modellen bei Aufgaben wie Programmieren, App-Entwicklung und Dokumentenanalyse bewertet – statt isolierter Benchmarks. Die Rangliste basiert auf über 300.000 Aufgaben, mehr als 2 Millionen Tool-Aufrufen und 40 Millionen Codezeilen und berücksichtigt Signale wie Aufgabenerfolg, Befolgung von Korrekturen, Fehlererholung, Nutzerlob und -beschwerden sowie Tool-Halluzinationen. Die Top drei: GPT-5.5 High (+10,7 %), Claude Opus 4.7 Thinking (+9,5 %), GPT-5.4 High (+8,9 %).
Kernpunkte
- Arena hat eine auf echten Nutzeraufgaben basierende Agenten-Rangliste eingeführt,die die Leistung…
- Die Rangliste basiert auf über 300.
- 000 Aufgaben,mehr als 2 Millionen Tool-Aufrufen und 40 Millionen Codezeilen und berücksichtigt…
- Die Top drei: GPT-5.
- 5 High (+10,7 %),Claude Opus 4.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- X:Rohan Paul (@rohanpaul_ai)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 76
Arena 跳出了刷榜逻辑,用真实用户的多轮交互来评估 Agent,这比任何 toy benchmark 都更有说服力,选模型做 Agent 应用的可以把它当新指南。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Arena veröffentlicht realitätsnahe KI-Agenten-Rangliste Agent Arena. 6. Juni 2026. https://new.nat6.net/de/news/cmq1hy4wt0fyrsltrxx64boz8/