LMArena Agent Task Completion 排行榜
截至 2026年11月16日,LMArena Agent Task Completion 的最高分为 22,由 Claude Fable 5.2(Anthropic)取得,领先于 Claude Opus 5.5(20.7)。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)。真实智能体会话中,用户表示任务已完成的比例(0–100)。LMArena Agent Task Completion 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 22 保持 Arena Agent Task Completion 最高分(Arena (LMArena),2026年11月11日)。
- Claude Opus 5.5 以 20.7 位列 Arena Agent Task Completion 第二(Arena (LMArena),2026年11月11日)。
- Arena Agent Task Completion:真实智能体会话中,用户表示任务已完成的比例(0–100)(Arena (LMArena))。
- BenchLeader 上有 58 个模型配置公布了 Arena Agent Task Completion 结果(BenchLeader,2026年11月16日)。
- Arena Agent Task Completion 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
真实智能体会话中,用户表示任务已完成的比例(0–100)。
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 58
- 数据截至
- 2026年11月16日
CC BY 4.0 — lmarena-ai/leaderboard-dataset on Hugging Face.
- 1Claude Fable 5.2 (max)22
- 2Claude Opus 5.5 (max)20.7
- 3Claude Sonnet 5.5 (max)19.5
- 4Gemini 4 Carbon (high)18.4
- 5Claude Fable 5.1 (max)14.4
- 6GPT-6 Astra (max)14
- 7Gemini 4 Argon (high)13.2
- 8GPT-6.1 Sol (max)11.7
- 9Muse Wonder Full (max)11.1
- 10Claude Opus 5 (max)10.2
- 11GPT-6.1 Terra (max)9.7
- 12Hy46.7
- 13Muse Wonder (max)5.4
- 14Claude Fable 5 (high)5.1
- 15Grok 4.7 (xhigh)5.1
58 / 58
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 22 | 72.7 | 2026-11-11 |
| 2 | 20.7 | 68.4 | 2026-11-11 | |
| 3 | 19.5 | 64.2 | 2026-11-11 | |
| 4 | 18.4 | 68.9 | 2026-11-11 | |
| 5 | 14.4 | 66.7 | 2026-11-11 | |
| 6 | 14 | 67.3 | 2026-11-11 | |
| 7 | 13.2 | 65.3 | 2026-11-11 | |
| 8 | 11.7 | 66.6 | 2026-11-11 | |
| 9 | 11.1 | 61.7 | 2026-11-11 | |
| 10 | 10.2 | 65.0 | 2026-11-11 | |
| 11 | 9.7 | 64.1 | 2026-11-11 | |
| 12 | 6.7 | 56.7 | 2026-11-11 | |
| 13 | 5.4 | 60.8 | 2026-11-11 | |
| 14 | 5.1 | 63.9 | 2026-11-11 | |
| 15 | 5.1 | 57.4 | 2026-11-11 | |
| 16 | 5 | 57.5 | 2026-11-11 | |
| 17 | 4.5 | 62.6 | 2026-11-11 | |
| 18 | 4.5 | 58.7 | 2026-11-11 | |
| 19 | 4.2 | 54.8 | 2026-11-11 | |
| 20 | 3.7 | 60.6 | 2026-11-11 | |
| 21 | 3.4 | 60.2 | 2026-11-11 | |
| 22 | 3.3 | 57.9 | 2026-11-11 | |
| 23 | 3.1 | 58.8 | 2026-11-11 | |
| 24 | 2.7 | 59.9 | 2026-11-11 | |
| 25 | 2.3 | 63.9 | 2026-11-11 | |
| 26 | 2.3 | 57.7 | 2026-11-11 | |
| 27 | 1.7 | 58.9 | 2026-11-11 | |
| 28 | 1.6 | 55.3 | 2026-11-11 | |
| 29 | 1.3 | 59.4 | 2026-11-11 | |
| 30 | 1.3 | 57.8 | 2026-11-11 | |
| 31 | 0.3 | 53.9 | 2026-11-11 | |
| 32 | -0.4 | 55.1 | 2026-11-11 | |
| 33 | -0.6 | 59.0 | 2026-11-11 | |
| 34 | -0.7 | 54.3 | 2026-11-11 | |
| 35 | -1.5 | 56.0 | 2026-11-11 | |
| 36 | -2.6 | 56.1 | 2026-11-11 | |
| 37 | -2.7 | 55.1 | 2026-11-11 | |
| 38 | -3.5 | 62.1 | 2026-11-11 | |
| 39 | -4.7 | 52.9 | 2026-11-11 | |
| 40 | -6.3 | 49.6 | 2026-11-11 | |
| 41 | -6.5 | 62.2 | 2026-11-11 | |
| 42 | -7.2 | 60.1 | 2026-11-11 | |
| 43 | 新 | -7.6 | 52.1 | 2026-11-11 |
| 44 | -9.2 | 54.2 | 2026-11-11 | |
| 45 | -9.8 | 61.5 | 2026-11-11 | |
| 46 | Spark X2.6 | -10.2 | – | 2026-11-11 |
| 47 | -10.5 | 60.0 | 2026-11-11 | |
| 48 | -10.8 | 57.6 | 2026-11-11 | |
| 49 | -11.3 | 59.9 | 2026-11-11 | |
| 50 | -11.8 | 55.7 | 2026-11-11 | |
| 51 | -15.1 | 45.8 | 2026-11-11 | |
| 52 | -16.8 | 46.6 | 2026-11-11 | |
| 53 | -18 | 56.1 | 2026-11-11 | |
| 54 | -18.9 | 50.4 | 2026-11-11 | |
| 55 | -22.8 | 42.1 | 2026-11-11 | |
| 56 | -26.8 | 50.4 | 2026-11-11 | |
| 57 | -27.6 | 52.0 | 2026-11-11 | |
| 58 | -29.9 | 48.9 | 2026-11-11 |
相关基准测试
Arena Agent Task Completion 上的热门模型对比
引用格式:BenchLeader,《Arena Agent Task Completion 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/lmarena_agent_task。
Arena Agent Task Completion:常见问题
- Arena Agent Task Completion 衡量的是什么?
- 真实智能体会话中,用户表示任务已完成的比例(0–100)。分数以分数表示,越高越好。
- Arena Agent Task Completion 的最高分是多少?
- 截至 2026年11月16日,Arena Agent Task Completion 的最高分为 22,由 Claude Fable 5.2 取得(结果日期 2026年11月11日),领先于 Claude Opus 5.5(20.7)。分数来自 Arena (LMArena),每天重新读取。
- 哪个 AI 模型在 Arena Agent Task Completion 上领先?
- 截至 2026年11月16日,Arena Agent Task Completion 排名第一的是 Claude Fable 5.2,分数为 22(结果日期 2026年11月11日)。其后为 Claude Opus 5.5(20.7)。
- 有多少模型有 Arena Agent Task Completion 结果?
- BenchLeader 上有 58 个模型配置有 Arena Agent Task Completion 结果,全部取自 Arena (LMArena)。
- Arena Agent Task Completion 由谁运行,多久更新一次?
- Arena Agent Task Completion 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 Task Completion 是否计入 BenchLeader Index?
- 不计入。Arena Agent Task Completion 仅作参考展示,不计入综合分数。