WORK ARENA / BLOG
榜单背后的 发现
基于 Work Arena 排行榜数据的解读与分析。每篇文章都注明数据日期,最新排名以排行榜为准。
- 2026 年 11 月 Work Arena 排行榜 Claude Opus 5.5 登顶2026 年 11 月 Work Arena 排行榜在 406 道真实工作任务上评测了 49 套模型与 Harness 搭配,Claude Opus 5.5 搭配 Claude Code 以 1335 分位列质量第一。阅读全文
- 做 PPT、法律、金融等 12 类工作 最好用的 AI Agent 是哪个按 Work Arena 排行榜逐个领域推荐:演示文稿、文档、数据分析、网站、3D、金融、医疗、法律等 12 个领域中,质量最高和性价比最高的 AI Agent 搭配。阅读全文
- Claude Opus 5.5 与 GPT-6 Astra 真实工作任务对比在 Work Arena 全部 12 个领域中,Claude Opus 5.5 的质量分都高于 GPT-6 Astra,差距 26 到 159 分。GPT-6 Astra 总体成本约为一半,在金融、咨询和数据分析上差距很小。阅读全文
- 同一个模型换个 Harness 结果差多少Work Arena 让 18 个模型各自在 2 到 4 个 Agent Harness 上运行。只换 Harness,质量分最多相差 61 分,成本最多相差 3.6 倍,没有哪个 Harness 对所有模型都最好。阅读全文
- AI Agent 质量与成本 哪些搭配值得花钱Work Arena 的 49 套 AI Agent 搭配中,有 9 套在质量和成本上没有被任何其他搭配同时超过。本文列出从每题 0.05 美元到 2.60 美元,每提升一档质量要多花多少。阅读全文
- Kimi K3 是做 Agent 任务最强的国产模型Kimi K3 搭配 OpenCode 在 Work Arena 49 套搭配中排第 13,在全部 12 个领域都是国产模型第一。DeepSeek Flash 搭配 Codex 每题 0.11 美元,得分 1031。阅读全文
- 什么是 Agent Harness 为什么它会改变 AI Agent 的表现AI Agent 是在 Harness 中运行的模型,Harness 为它提供工具、文件和工作循环。本文介绍 Harness 做什么、Work Arena 为什么按搭配排名,以及如何读懂分数。阅读全文