先了解这件事
Arena.ai 提出一项判断:用户是否享受与 Agent 协作,是 AI 实验室之间最大的差距。该判断基于 Arena 对 Anthropic、OpenAI、Google DeepMind、Kimi、xAI 和 DeepSeek 六家实验室最佳智能体在 6 月底至 10 月初四项 Agent Arena 信号的追踪。其中,Praise vs Complaint 指标上,OpenAI 和 Anthropic 高出榜单均值 +35 分,Moonshot、xAI 和 DeepSeek 在 +5 至 +13 之间;Confirmed Success 上,平均实验室最佳模型三个月内从 -4 升至 +14 分,Anthropic 以 Claude Opus 5.5 (Max) 的 +20 领先;Bash Recovery 分差从 34 缩至 16 分,Steerability 从 19 缩至 11 分。目前尚无后续发展。
AI 根据公开报道生成
最新进展 · 正式报道
Arena 追踪六大 AI 实验室智能体四项信号事件进展
1 个已确认进展
- 来源：Arena
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月17日
Arena
Arena 追踪六大 AI 实验室智能体四项信号
Arena 追踪 Anthropic、OpenAI、Google DeepMind、Kimi、xAI 和 DeepSeek 的最佳智能体在 6 月底至 10 月初的四项 Agent Arena 信号，发现实验室间最大差距在于用户是否享受使用体验。Praise vs Complaint 上 OpenAI 和 Anthropic 高出榜单均值 +35 分，Moonshot、xAI 和 DeepSeek 在 +5 至 +13 之间；Confirmed Success 上平均实验室最佳模型三个月内从 -4 升至 +14 分，Anthropic 以 Claude Opus 5.5 (Max) 的 +20 领先。Bash Recovery 分差从 34 缩至 16 分，Steerability 从 19 缩至 11 分。