智能体
x.com ·
@Arena.ai (@arena)
Claude Fable 5.1 (Max)登顶Agent Arena，详细信号分析
Claude Fable 5.1 (Max)在Agent Arena排名第一，净改进+15.8%，中位成本$4.14/任务。在用户情感、确认成功、Bash恢复等信号上表现突出，无工具幻觉。
AI推荐理由 与第一条重复，但提供了更多信号细节，如Praise vs. Complaint等，信息更丰富。
85
浏览 95,232
点赞 425
评论 34
转发 19
正文
Claude Fable 5.1 (Max) 由 @AnthropicAI 已在 Agent Arena 中排名第一，在 6.7k+ 真实世界代理会话中净提升 +15.8%！它还重新绘制了价格-性能前沿：在排行榜上以每任务中位成本 4.14 美元排名第一。
按信号来看，Claude Fable 5.1 在隐含用户情绪中遥遥领先，赞美与抱怨之比惊人地达到 (+42.5%)。用户对它的赞美频率大约是下一个顶级模型的两倍。它还通过确认成功 (+22.4%) 获得了强烈的显式反馈，以及稳健的 Bash 恢复 (+13.1%)，且没有工具幻觉。下面按信号提供其性能的更多细节。
Claude Fable 5.1 (Max) 以明显的优势超越了所有过去的 Claude 变体和其他模型。
在 Agent Arena 中，我们根据来自全球用户社区的数百万个长周期代理任务来衡量模型。模型可以访问网络搜索、文件系统和终端工具来完成复杂的工作流。排行榜使用因果追踪方法，相对于平均模型来衡量模型在结果上的表现。
请继续关注最新 GPT-6 Astra 的追踪数据，以了解其对比情况。使用 Agent Mode 为真实世界排名做出贡献。
再次祝贺 @AnthropicAI 发布此版本。
查看原文（中文正文为 AI 翻译）
Claude Fable 5.1 (Max) by @AnthropicAI has landed in the Agent Arena at #1 with +15.8% net improvement across 6.7k+ real-world agentic sessions! It also redraws the price-performance frontier: #1 on the leaderboard at a median cost of $4.14/task.
By signal, Claude Fable 5.1 sees a massive lead in implicit user sentiment with an astonishing (+42.5%) in Praise vs. Complaint. Users are praising it around 2x more often than the next top model. It also sees strong explicit feedback via Confirmed Success (+22.4%), and solid Bash Recovery (+13.1%), with no Tool Hallucinations. More detail on its performance by signal below.
Claude Fable 5.1 (Max) out ranks all past Claude variants and the rest of the pack by a healthy lead.
In Agent Arena, we measure models on millions of long-horizon agentic tasks from a global community of users. Models can access web search, filesystem, and terminal tools to complete complex workflows. The leaderboard measures model performance on outcomes relative to the average model using a causal tracing methodology.
Stay tuned as traces continue to come in for the latest GPT-6 Astra to see how it compares. Use Agent Mode to contribute to the real-world rankings.
Congrats again to @AnthropicAI for this release.