研究與評測
Agent Arena 推出新分類榜單：GPT 5.6 Sol 登頂 Code，Claude Opus 5 稱霸 Work 與 Chat
X @arena單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
Agent Arena 正式上線全新分類榜單，針對數百萬個真實世界、長效（long-horizon）代理任務進行模型評測。各分類榜首由不同模型拿下：OpenAI 的 GPT 5.6 Sol (xHigh) 取得 Code（程式碼）分類第一；Anthropic 的 Claude Opus 5 則分別以 (High) 與 (Max) 版本拿下 Work（工作）與 Chat（對話）分類榜首。官方指出，單次長效代理會話的成本可能高達數百甚至一千美元。為此，Agent Arena 在排行榜與帕雷托圖（Pareto graphs）中採用基於任務的成本估算，綜合考量了 Token 定價、快取（caching）以及上下文增長等實際花費因素。
讀原始報導背景
隨著 AI 代理（Agent）的評估逐漸轉向長期的任務執行，目前多數基準測試仍側重於局部的步驟推理，缺乏對全局最佳化的評估。Agent Arena 則專注於透過數百萬個真實世界的長期代理任務，來衡量各家模型的實際表現。