Agent Arena

简介

Agent Arena 是 Arena（原 LMArena）基于真实 Agent Mode 会话的智能体评测：每个会话随机分配一个编排模型，用户与单个智能体长时间协作完成编程、对话与工作任务；Arena 从会话轨迹中提取确认成功、赞扬与抱怨、可引导性、Bash 可靠性和工具幻觉等信号，用因果推断估计该模型相对平均模型的净提升（百分点，可为负，综合分为各信号加权平均）。分数相对当前模型池的平均水平，新模型加入会让全部分数变化，因此本榜每次刷新整体替换为 Arena 最新快照。本站收录 Overall 类别中标明推理档位的模型；Code / Chat / Work 分类见外部排行榜页面。