Arena merilis Agent Arena, peringkat agen AI dunia nyata
Judul asli:Arena just released a real-world agent leaderboard that ranks AI models by how well they complete ac...
Ringkasan AI
Arena meluncurkan peringkat agen berbasis tugas pengguna nyata yang mengevaluasi performa model dalam penulisan kode, pembangunan aplikasi, analisis dokumen, dan pekerjaan lainnya, bukan berdasarkan benchmark terisolasi. Peringkat ini didasarkan pada 300.000+ tugas, 2 juta+ pemanggilan alat, dan 40 juta baris kode, dengan menggabungkan sinyal keberhasilan tugas, kepatuhan koreksi, pemulihan kesalahan, pujian dan keluhan pengguna, serta halusinasi alat. Tiga peringkat teratas: GPT-5.5 High (+10,7%), Claude Opus 4.7 Thinking (+9,5%), GPT-5.4 High (+8,9%).
Poin utama
- Arena meluncurkan peringkat agen berbasis tugas pengguna nyata yang mengevaluasi performa model…
- Peringkat ini didasarkan pada 300.
- 000+ tugas,2 juta+ pemanggilan alat,dan 40 juta baris kode,dengan menggabungkan sinyal…
- Tiga peringkat teratas: GPT-5.
- 5 High (+10,7%),Claude Opus 4.
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- X:Rohan Paul (@rohanpaul_ai)
- Kategori
- Makalah & Riset
- Skor AI
- 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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Arena merilis Agent Arena, peringkat agen AI dunia nyata. 6 Juni 2026. https://new.nat6.net/id/news/cmq1hy4wt0fyrsltrxx64boz8/