Actualización de Agent Arena: hemos mejorado el señalizador de Bash Recovery, junto con la fiabilidad de Bash. Aquí se explica cómo afecta al leaderboard.
En la parte superior para Agent Arena:
- #1 Claude Opus 5.5 (Max), @AnthropicAI ocupa el primer lugar
- #2 GPT-6.1 Sol (Max) por @OpenAI
- #3 Claude Fable 5.1 (Max) por @AnthropicAI
- #4 GPT-6 Astra (Max) por @OpenAI
- #5 Gemini 4 Argon (High) por @GoogleDeepMind
Los primeros 14 puestos son todos modelos propietarios, y los mejores modelos con pesos abiertos son el GLM 5.2 en el #15, seguido por el MiMo V2.6 Pro en el #18.
Lea más sobre la fiabilidad de Bash y consulte la tabla de clasificación de Agent Arena en el hilo.
