智能体
x.com ·
@Arena.ai (@arena)
Agent Arena 更新：Bash Recovery 信号演进为 Bash Reliability，并公布最新榜单
LMArena 的 Agent Arena 更新评测信号，将 Bash Recovery 演进为 Bash Reliability，并据此调整榜单。当前前五为 Claude Opus 5.5 (Max)、GPT-6.1 Sol (Max)、Claude Fable 5.1 (Max)、GPT-6 Astra (Max)、Gemini 4 Argon (High)；前14名均为闭源模型，开源权重最高为第15名 GLM 5.2，其后为第18名 MiMo V2.6 Pro。帖子未给出 Bash Reliability 的具体定义与评测细节。
AI推荐理由 LMArena 官方账号发布 Agent Arena 榜单更新，将 Bash Recovery 信号演进为 Bash Reliability，并给出前五名与开源模型最高排名（GLM 5.2 第15、MiMo V2.6 Pro 第18）。这是可核验的榜单口径变化与排名信息，对 Agent 能力评测有参考价值；但正文仅为榜单摘要，未说明 Bash Reliability 的具体定义、评测方法与数据规模，且模型名称（Claude Opus 5.5、GPT-6.1 Sol、Gemini 4 Argon 等）无法在输入中独立验证，故质量与兴趣分均不宜过高。
62
浏览 33,585
点赞 361
评论 25
转发 17
正文
Agent Arena update: we’ve evolved the Bash Recovery signal, with Bash Reliability. Here’s how it impacts the leaderboard.
At the top for Agent Arena:
- #1 Claude Opus 5.5 (Max), @AnthropicAI holds the top
- #2 GPT-6.1 Sol (Max) by @OpenAI
- #3 Claude Fable 5.1 (Max) by @AnthropicAI
- #4 GPT-6 Astra (Max) by @OpenAI
- #5 Gemini 4 Argon (High) by @GoogleDeepMind
The first 14 spots are all proprietary models with the best open weights models being GLM 5.2 at #15, followed by MiMo V2.6 Pro at #18.
Read more about Bash Reliability and check out the Agent Arena leaderboard in thread.