BenchLeader

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)。

发布方
Arena (LMArena)
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.

58 / 58
#
1新Claude Fable 5.2max2272.72026-11-11
2Claude Opus 5.5max20.768.42026-11-11
3Claude Sonnet 5.5max19.564.22026-11-11
4Gemini 4 Carbonhigh18.468.92026-11-11
5Claude Fable 5.1max14.466.72026-11-11
6GPT-6 Astramax1467.32026-11-11
7Gemini 4 Argonhigh13.265.32026-11-11
8GPT-6.1 Solmax11.766.62026-11-11
9Muse Wonder Fullmax11.161.72026-11-11
10Claude Opus 5max10.265.02026-11-11
11GPT-6.1 Terramax9.764.12026-11-11
12Hy46.756.72026-11-11
13Muse Wondermax5.460.82026-11-11
14Claude Fable 5high5.163.92026-11-11
15Grok 4.7xhigh5.157.42026-11-11
16MiMo-V2.6-Pro557.52026-11-11
17GPT-6 Solmax4.562.62026-11-11
18Qwen3.8 Maxmax4.558.72026-11-11
19MiMo-V2.6-Flash4.254.82026-11-11
20Muse Spark 1.3max3.760.62026-11-11
21Kimi K3max3.460.22026-11-11
22Inkling 2 Small3.357.92026-11-11
23GLM 5.3max3.158.82026-11-11
24Kimi K3.1 Promax2.759.92026-11-11
25GPT-5.6 Solxhigh2.363.92026-11-11
26DeepSeek V4.1 Flash 1017max2.357.72026-11-11
27GLM 5.2max1.758.92026-11-11
28Claude Haiku 5.5high1.655.32026-11-11
29Gemini 3.8 Flashhigh1.359.42026-11-11
30GLM 5.3 Flash1.357.82026-11-11
31Qwen3.8-Flash-Next0.353.92026-11-11
32GPT-6 Lunamax-0.455.12026-11-11
33Claude Sonnet 5high-0.659.02026-11-11
34MiniMax M3.1 Flash-0.754.32026-11-11
35Step 5 Preview-1.556.02026-11-11
36Grok 4.6xhigh-2.656.12026-11-11
37Qwen3.8 27B-2.755.12026-11-11
38Gemini 3.7 Flashhigh-3.562.12026-11-11
39Mistral Large 4-4.752.92026-11-11
40GPT-6 Lunamedium-6.349.62026-11-11
41Muse Spark 1.1-6.562.22026-11-11
42GPT-5.6 Terraxhigh-7.260.12026-11-11
43新Muse Embermax-7.652.12026-11-11
44Beam 1.0 501B A23B-9.254.22026-11-11
45Muse Spark 1.2xhigh-9.861.52026-11-11
46Spark X2.6-10.2–2026-11-11
47Qwen3.7max-10.560.02026-11-11
48Qwen3.7 Plus-10.857.62026-11-11
49Gemini 3.1 Pro-11.359.92026-11-11
50Hy3-11.855.72026-11-11
51GPT-6 Lunalow-15.145.82026-11-11
52Mistral Medium 3.5-16.846.62026-11-11
53MiniMax M3-1856.12026-11-11
54Nemotron 3.5 Super VL 120B A12B-18.950.42026-11-11
55Nemotron 3 Ultra-22.842.12026-11-11
56Inkling-26.850.42026-11-11
57Inkling Small-27.652.02026-11-11
58Solar Pro 4-29.948.92026-11-11

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 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。