最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。
不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如写代码、操作 CAD、做 PPT、调用 PS 都在考核范围内。
典型任务就是这种:“帮我调研一款产品,整理对比表格,再写一段 Python 脚本自动拉取数据”。这种多步骤、需要 AI 自主调用工具完成的复杂任务,就是这个榜单的核心考点。
拿下榜首的是 Claude Fable5.2,说实话挺感慨,Claude 虽然对国内用户一直封号限制,但模型实力确实能打。
比较遗憾的是这份总榜里看不到国产模型,就连新出的 Qwen-4 也没有上榜。好在网站开发榜单里 Qwen 冲到了第八,表现还是很亮眼的!









