AgentBench Arena 开源 AI 智能体评测平台

AgentBench Arena 开源了一个面向 AI 智能体的评测平台，可在相同任务和受控故障下比较不同语言或框架的智能体。平台记录成功率、步骤数、工具调用、token、成本和耗时，并通过重复运行提供 pass^k 与一致性指标，支持生成包含排行榜和逐步追踪视图的单文件 HTML 报告。