Der größte Unterschied zwischen den KI-Laboren besteht nicht darin, ob ihre Agenten die Aufgabe erledigen können. Es geht vielmehr darum, ob die Nutzer wirklich Spaß am Arbeiten mit ihnen haben.
Wir haben den besten Agenten von @AnthropicAI, @OpenAI, @GoogleDeepMind, @Kimi_Moonshot, @SpaceXSI und @deepseek_ai anhand von 4 wichtigen Signalen der Agent Arena über den Zeitraum vom Ende Juni bis zum Beginn Oktober verfolgt, um zu sehen, wie die Branche sich verändert.
Drei Dinge fielen besonders auf:
1. Benutzer bevorzugen einige Agenten weitaus mehr als andere.
Bei Lob und Kritik liegen OpenAI und Anthropic 35 Punkte über dem Durchschnitt der Rangliste. Moonshot, xAI und DeepSeek befinden sich zwischen 5 und 13 Punkten. Keine andere Einrichtung teilt diese große Differenz zwischen den Laboren.
2. Die Agenten werden beim Lieferverhalten viel besser.
Bei der Bestätigung des Erfolgs stieg das beste Modell des Durchschnittlichen Labors innerhalb von drei Monaten von -4 auf +14 Punkte. Anthropic führt mit Claude Opus 5.5 (Max) mit +20 Punkten an.
3. Die Labore konvergieren zu Fehlerbehebung und Steuerung.
Seit Juni ist der Unterschied zwischen den sechs Laboren bei „Bash Recovery“ mehr als halbiert (34 → 16 Punkte) und bei „Steerability“ fast halbiert (19 → 11).
Kurz gesagt, versuchen die Labore, Fehler zu vermeiden.
Das Glück des Benutzers zu schaffen, ist der Grund, warum die Top drei sich absetzen.