Papers & Forschung

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
Original lesen Den vollständigen Artikel bei der Originalquelle lesen
Warum es wichtig ist

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.

Originalartikel · AIHOT-Eintrag

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/

Alle ansehen →