LMArena Agent Arena 长程任务实测：五大前沿模型用时差距达 55 分钟

LMArena 推出 Agent Arena，用于测量复杂真实世界中的长程 agent 任务，评测覆盖数百轮对话。测试五大实验室旗舰模型完成代码库移植、投资策略文档审计和数学教材撰写等任务，结果显示模型完成用时差距可达 55 分钟。