Arena、実世界AIエージェントランキング「Agent Arena」を公開
原題:Arena just released a real-world agent leaderboard that ranks AI models by how well they complete ac...
AI 要約
Arenaは実ユーザータスクに基づくエージェントランキングを公開した。コード作成、アプリ構築、文書分析などの作業におけるモデルの性能を、孤立したベンチマークではなく評価する。ランキングは30万以上のタスク、200万以上のツール呼び出し、4000万行のコードに基づき、タスク成功、修正遵守性、エラー回復、ユーザーの称賛と不満、ツールハルシネーションなどのシグナルを総合する。上位3位はGPT-5.5 High(+10.7%)、Claude Opus 4.7 Thinking(+9.5%)、GPT-5.4 High(+8.9%)。
要点
- Arenaは実ユーザータスクに基づくエージェントランキングを公開した。
- コード作成、アプリ構築、文書分析などの作業におけるモデルの性能を、孤立したベンチマークではなく評価する。
- ランキングは30万以上のタスク、200万以上のツール呼び出し、4000万行のコードに基づき、タスク成功、修正遵守性、エラー回復、ユーザーの称賛と不満、ツールハルシネーションなどのシグナルを総合する。
- 上位3位はGPT-5.
- 5 High(+10.
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 76
おすすめの理由
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。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Arena、実世界AIエージェントランキング「Agent Arena」を公開。2026年6月6日。https://new.nat6.net/ja/news/cmq1hy4wt0fyrsltrxx64boz8/