GPT-6.1 上线 Agent Arena 并公布排名

先了解这件事

Arena 通过官方 X 账号宣布，OpenAI 的 GPT-6.1 已上线 Agent Arena 评测平台，用户投票将影响该模型的评估。该平台通过数百万个真实世界、长时程智能体任务评测模型，模型可调用网页搜索、文件系统和终端工具完成复杂工作流。

随后 Arena 公布结果：GPT-6.1 Sol (Max) 在 Agent Arena 排名第 5（+11.23%），中位任务成本 0.56 美元，并重塑了 Pareto 前沿。早先报道仅称分数即将公布、未给出具体排名，后续报道给出了第 5 名及成本数据。

Arena 还介绍，Agent Arena 不采用成对偏好投票，而是使用因果追踪方法，从真实世界的长时程智能体会话中测量五种信号。