La mayor brecha entre los laboratorios de IA no es si sus agentes logran cumplir con la tarea. Es si los usuarios realmente disfrutan trabajar con ellos.
Se rastreó al mejor agente de @AnthropicAI, @OpenAI, @GoogleDeepMind, @Kimi_Moonshot, @SpaceXSI y @deepseek_ai a lo largo de 4 señales clave de la Agent Arena, utilizadas entre finales de junio y el inicio de octubre, para ver cómo está cambiando la industria.
Tres cosas destacaron:
1. A los usuarios les gustan algunos agentes mucho más que otros.
En cuanto a elogios versus quejas, OpenAI y Anthropic ocupan +35 puntos por encima de la media del tablero. Moonshot, xAI y DeepSeek se encuentran entre +5 y +13. Ningún otro grupo divide los laboratorios de esta manera.
2. Los agentes están mejorando mucho en la entrega.
En la confirmación del éxito, el modelo mejor del laboratorio promedio pasó de -4 a +14 puntos en tres meses. Anthropic lidera con Claude Opus 5.5 (Max) con +20.
3. Los laboratorios se están concentrando en la recuperación de errores y el control de dirección.
Desde junio, la diferencia entre los seis laboratorios se ha reducido más de la mitad en Bash Recovery (34 → 16 puntos) y casi la mitad en Steerability (19 → 11).
En resumen, los laboratorios están corrigiendo las causas de los fracasos.
Dejar al usuario feliz es lo que permite a los tres primeros destacar.