BenchLeader

LMArena Agent 排行榜

截至 2026年11月16日,LMArena Agent 的最高分为 30.4,由 Claude Fable 5.2(Anthropic)取得,领先于 Claude Opus 5.5(19.5)。共有 58 个模型配置公布了结果(Arena (LMArena),结果日期 2026年11月11日)。Agent 竞技场记录真实的智能体会话,即模型借助工具完成多步骤任务,并请发起会话的人评判结果。LMArena Agent 计入 BenchLeader Index 的智能体与工具得分。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 以 30.4 保持 Arena Agent 最高分(Arena (LMArena),2026年11月11日)。
  • Claude Opus 5.5 以 19.5 位列 Arena Agent 第二(Arena (LMArena),2026年11月11日)。
  • Arena Agent:由用户本人评判真实智能体会话得出的任务结果分(0–100)(Arena (LMArena))。
  • BenchLeader 上有 58 个模型配置公布了 Arena Agent 结果(BenchLeader,2026年11月16日)。
  • Arena Agent 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。

由用户本人评判真实智能体会话得出的任务结果分(0–100)。

发布方
Arena (LMArena)
类别
智能体与工具
Index 权重
0.5
模型
58
数据截至
2026年11月16日

CC BY 4.0 — lmarena-ai/leaderboard-dataset on Hugging Face.

测试内容

Agent 竞技场记录真实的智能体会话,即模型借助工具完成多步骤任务,并请发起会话的人评判结果。

评分方式

基于用户对已完成会话的评判得出的 0 到 100 任务结果分数,而不是 Elo 评分。

注意事项

上线不久,样本较少;会话的长度和难度各不相同,而且用户既是出题人又是评判者。

58 / 58
#
1新Claude Fable 5.2max30.472.7$7.43107k2026-11-11
2Claude Opus 5.5max19.568.4$5.47107k2026-11-11
3Gemini 4 Carbonhigh1768.9$1.4648k2026-11-11
4Claude Sonnet 5.5max1664.2$3.35144k2026-11-11
5Claude Fable 5.1max14.866.7$7.6256k2026-11-11
6GPT-6 Astramax14.567.3$6.1039k2026-11-11
7GPT-6.1 Solmax12.566.6$1.0636k2026-11-11
8GPT-6.1 Terramax1264.1$0.89045k2026-11-11
9Gemini 4 Argonhigh10.765.3$0.73325k2026-11-11
10Muse Wonder Fullmax961.7–33k2026-11-11
11Claude Fable 5high7.363.9$3.3422k2026-11-11
12Claude Opus 5max7.265.0$4.3458k2026-11-11
13GPT-6 Solmax6.962.6$1.6738k2026-11-11
14Hy45.356.7$0.60662k2026-11-11
15Kimi K3.1 Promax4.959.9$1.2335k2026-11-11
16GPT-5.6 Solxhigh4.663.9$1.6122k2026-11-11
17Grok 4.7xhigh2.657.4$2.7972k2026-11-11
18Inkling 2 Small2.557.9$0.26450k2026-11-11
19MiMo-V2.6-Pro2.457.5$0.16348k2026-11-11
20Gemini 3.8 Flashhigh2.359.4$0.65652k2026-11-11
21Muse Spark 1.3max2.260.6$0.45726k2026-11-11
22Claude Sonnet 5high259.0$0.95423k2026-11-11
23DeepSeek V4.1 Flash 1017max257.7$0.14487k2026-11-11
24Muse Wondermax1.860.8$1.1822k2026-11-11
25新Muse Embermax1.752.1$0.02111k2026-11-11
26GPT-6 Lunamax1.655.1$0.08441k2026-11-11
27GLM 5.3max158.8$1.0467k2026-11-11
28Kimi K3max0.660.2$0.80924k2026-11-11
29Claude Haiku 5.5high0.555.3$0.07724k2026-11-11
30GLM 5.2max0.258.9$0.86055k2026-11-11
31Qwen3.8 Maxmax0.158.7$1.2350k2026-11-11
32MiMo-V2.6-Flash054.8$0.07444k2026-11-11
33Grok 4.6xhigh-0.256.1$1.3635k2026-11-11
34GPT-5.6 Terraxhigh-1.860.1$0.64418k2026-11-11
35GPT-6 Lunamedium-2.149.6$0.02610k2026-11-11
36Gemini 3.7 Flashhigh-2.262.1$0.47245k2026-11-11
37MiniMax M3.1 Flash-2.754.3$0.24875k2026-11-11
38GLM 5.3 Flash-2.957.8$0.15748k2026-11-11
39Step 5 Preview-3.756.0$0.61343k2026-11-11
40Gemini 3.1 Pro-4.559.9$0.54612k2026-11-11
41Qwen3.8-Flash-Next-4.653.9$0.22361k2026-11-11
42Qwen3.8 27B-4.855.1$0.34752k2026-11-11
43Mistral Large 4-5.452.9$0.32026k2026-11-11
44Beam 1.0 501B A23B-5.954.2–11k2026-11-11
45GPT-6 Lunalow-645.8$0.0104k2026-11-11
46Qwen3.7max-7.260.0$0.36016k2026-11-11
47Hy3-7.655.7$0.08232k2026-11-11
48Muse Spark 1.1-862.2––2026-11-11
49Qwen3.7 Plus-857.6$0.15917k2026-11-11
50Muse Spark 1.2xhigh-8.261.5$0.39824k2026-11-11
51MiniMax M3-10.556.1$0.35327k2026-11-11
52Spark X2.6-10.7–$0.09237k2026-11-11
53Mistral Medium 3.5-13.746.6$0.40216k2026-11-11
54Nemotron 3 Ultra-15.642.1$0.1227k2026-11-11
55Nemotron 3.5 Super VL 120B A12B-1650.4–15k2026-11-11
56Inkling-17.350.4$0.32414k2026-11-11
57Inkling Small-18.152.0$0.17721k2026-11-11
58Solar Pro 4-22.648.9$0.04112k2026-11-11

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Arena Agent 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/lmarena_agent。

Arena Agent:常见问题

Arena Agent 衡量的是什么?
Agent 竞技场记录真实的智能体会话,即模型借助工具完成多步骤任务,并请发起会话的人评判结果。分数以分数表示,越高越好。
Arena Agent 的最高分是多少?
截至 2026年11月16日,Arena Agent 的最高分为 30.4,由 Claude Fable 5.2 取得(结果日期 2026年11月11日),领先于 Claude Opus 5.5(19.5)。分数来自 Arena (LMArena),每天重新读取。
哪个 AI 模型在 Arena Agent 上领先?
截至 2026年11月16日,Arena Agent 排名第一的是 Claude Fable 5.2,分数为 30.4(结果日期 2026年11月11日)。其后为 Claude Opus 5.5(19.5)。
有多少模型有 Arena Agent 结果?
BenchLeader 上有 58 个模型配置有 Arena Agent 结果,全部取自 Arena (LMArena)。
Arena Agent 由谁运行,多久更新一次?
Arena Agent 由 Arena (LMArena) 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
Arena Agent 是否计入 BenchLeader Index?
计入。Arena Agent 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。