GPT 5.5第一、Claude最稳、国产靠成本撕口子——Agent Arena新榜单暴露了什么？

Arena 发布了 Agent Arena 榜单。 它和传统 Chatbot Arena 最大的区别是：不再只比较模型回答得好不好，而是看 AI Agent 在真实任务里能不能完成工作、调用工具、修复错误、接受用户纠正，并最终交付结果。 这期视频我们聊透一个变化：AI 评测正在从“智商测试”变成“工作能力测试”。 GPT 5.5 High 仍然领先，Claude Opus 4.7 Thinking 很稳，GLM 5.1 成为国产模型里值得关注的信号。但这次真正重要的不是谁第一，而是评价标准变了：Chatbot 时代看会不会说，Agent 时代看能不能做。 核心观点： 模型时代拼的是智商。 Agent 时代拼的是组织能力。