产品与服务

Arena 更新 Agent 总榜,提供任务完成、引导和工具使用等六项细分指数

Introducing the Agent Arena Index

智能体系统模型评测Agent 工具调用Agent任务评测评测方法与指标

概述

Agent Arena Index 基于超过 290 万个用户会话提供总体比较。六项新指数分别观察办公、编码、对话、任务结果、引导能力和工具使用。Arena 保留原有核心估计方法,以锚定模型重标分数,旨在使不同榜单批次的分数更可比较。官方称此项重标不会改变相对于旧方法的排名。新版移除了工具幻觉信号,并将 Confirmed Success 更名为 Task Completion。