Arena 分析前沿编码模型用户反馈差异

2026年10月28日，Arena 在 X 上发布基于 Agent Arena: Code 平台 20,869 条记录的分析，考察用户对前沿编码智能体的感受差异。该分析对比了五款前沿模型（均来自 Anthropic 和 OpenAI）与其他智能体在用户批评上的表现。结果显示，在抱怨会话中，前沿模型的失败修复循环少 6.9 个百分点，设计问题少 6.4 个百分点，产出可用结果的问题少 5.8 个百分点；在指令遵循、完成度以及破坏已有工作方面，前沿模型也更少被用户抱怨。目前该分析为 Arena 单方发布，报道中未提及后续更新或其他机构回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。