每天听简报,了解最新科技、AI、软件资讯
大模型评测平台 Arena 正式推出全新的智能体竞技场指数 Agent Arena Index,不再依赖静态刷题,而是基于近三百万次真实世界智能体交互会话来衡量模型把活干成的能力。除了主榜,平台还一口气上线了六个细分指数,分别覆盖知识工作、代码开发、对话表现、任务完成度、工具与命令行调用,以及中途被用户纠偏时的配合度。榜单同时引入了跨版本稳定计分锚点,避免新模型入场后老模型分数莫名波动,开发者以后给编程或自动化项目选型,可以直接对照这些真实耗时与成功率指标。
进度保存在本设备 · 登录同步