跳至正文返回首页LMArena 追踪六家实验室 Agent：用户满意度成头部分水岭
- 前情提要：LMArena 此前更新 Agent Arena 榜单，Claude Opus 5.5 (Max) 位居总榜第一，小米 MiMo V2.6 Pro 为开源第一；Bash Recovery 信号已升级为 Bash Reliability。
- 最新数据：LMArena 对 Anthropic、OpenAI、Google DeepMind、Kimi、xAI、DeepSeek 六家实验室的最佳 Agent，在 6 月底至 10 月初的四项 Agent Arena 信号上做时间序列对比。
- 三个发现：①在 Praise vs Complaint 指标上，OpenAI 与 Anthropic 高于榜单均值 35 分，Moonshot、xAI、DeepSeek 落在 +5 至 +13 区间；②在 Confirmed Success 上，平均实验室最佳模型三个月内从 -4 升至 +14，Anthropic 以 Claude Opus 5.5 (Max) 的 +20 领跑；③Bash Recovery 的实验室间分差从 34 点收窄至 16 点，Steerability 从 19 点收窄至 11 点。
- 行业观察：错误恢复与可操控性正随各实验室互相追赶而收敛，头部三家的领先位置转移到「用户是否愿意与之共事」这一更难量化的维度。当基础交付能力成为入场券，Agent 产品的差异化开始落在交互摩擦与信任感上，而非单纯的完成率。
🔗 LMArena Agent Arena 数据