Artículos e investigación

Arena lanza Agent Arena, una clasificación de agentes de IA basada en el mundo real

Título original:Arena just released a real-world agent leaderboard that ranks AI models by how well they complete ac...

Resumen de IA

Arena presenta una clasificación de agentes basada en tareas de usuarios reales que evalúa el rendimiento de los modelos en tareas como escribir código, crear aplicaciones o analizar documentos, en lugar de usar benchmarks aislados. La clasificación se basa en más de 300.000 tareas, más de 2 millones de llamadas a herramientas y 40 millones de líneas de código, y combina señales como el éxito de la tarea, el cumplimiento de correcciones, la recuperación de errores, las alabanzas y quejas de los usuarios y las alucinaciones de herramientas. Los tres primeros puestos son: GPT-5.5 High (+10,7%), Claude Opus 4.7 Thinking (+9,5%) y GPT-5.4 High (+8,9%).

Puntos clave

  • Arena presenta una clasificación de agentes basada en tareas de usuarios reales que evalúa el…
  • La clasificación se basa en más de 300.
  • 000 tareas,más de 2 millones de llamadas a herramientas y 40 millones de líneas de código,y…
  • Los tres primeros puestos son: GPT-5.
  • 5 High (+10,7%),Claude Opus 4.

Resumen rápido

Publicado
Actualizado
Fuente
X:Rohan Paul (@rohanpaul_ai)
Categoría
Artículos e investigación
Puntuación IA
76
Leer el original Leer el artículo completo en la fuente original
Por qué importa

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。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: Arena lanza Agent Arena, una clasificación de agentes de IA basada en el mundo real. 6. junio 2026. https://new.nat6.net/es/news/cmq1hy4wt0fyrsltrxx64boz8/

Ver todo →