Agent Arena 推出 Pareto frontier 代理任務評測：Claude Opus 5 效能居冠，Kimi K3 具成本優勢

Agent Arena 推出 Pareto frontier（帕雷托前緣）功能，對比各模型在真實世界代理任務（agentic tasks）的效能表現與每次任務的中位數成本。 目前位於 Pareto frontier 的模型中，Anthropic 的 Claude Opus 5 (High) 以 +12.34% 的效能提升居冠，單次任務成本為 1.78 美元。數據顯示，Claude Opus 5 (Max) 的成本高達 3.37 美元，幾乎是 Opus 5 (High) 的兩倍，但效能（+12.0%）反而略低。 Kimi K3 (Max) 展現極高性價比，整體效能排名第 4（+10.53%），其 0.62 美元的成本為前八名模型中最低。前五名模型的成本差異超過 5 倍。 OpenAI 排名最高的模型為 GPT-5.6 Sol (xHigh)，位居第 5（+9.8% / 1.39 美元），成本低於排在其前面的三款 Anthropic 模型；GPT 5.5 (High) 則為 +7.75% / 0.44 美元。 在低成本區間，Grok 4.5（+6.08% / 0.22 美元）與 Qwen 提供了具競爭力的表現；極低成本端則有 GPT 5.6 Luna (xHigh)（+4.25% / 0.04 美元）與 Mimo V2.5 Pro（-2.22% / 0.03 美元）。