Agent Arena：智能体用户口碑差距拉大
AI 总结
智能体评测平台 Agent Arena 比较了 Anthropic、OpenAI、Google DeepMind、Moonshot、xAI 与 DeepSeek 各自的旗舰智能体，在 6 月底至 10 月初的四个信号上的表现。据其统计，在“好评对差评”上 OpenAI 与 Anthropic 高出排行榜均值 35 个百分点，Moonshot、xAI 和 DeepSeek 则落在 +5 到 +13 之间。Agent Arena 称“确认成功”上各实验室最佳模型三个月内从 -4 升至 +14 个百分点，其中 Anthropic 的 Claude Opus 5.5 (Max) 以 +20 领先；Bash 恢复与可控性的实验室间差距同期分别由 34 点收窄至 16 点、由 19 点收窄至 11 点。
深度见解
若这一趋势成立，智能体竞争的重心可能从“能不能完成任务”转向用户是否愿意长期使用。