Arena.ai@arena精选AI 评分7272引用Claude@claudeai
隆重推出 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首个模型。 在大多数任务上，它的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。
推荐理由：Arena 官宣 Claude Opus 5.5 上架 Agent Arena 和 Battle Mode，读者可以参与投票影响排行榜结果。
#评测/基准
- Arena.ai@arena精选AI 评分7272
TechCrunch：AI精选AI 评分7575 Claude Opus 5 在模拟售货机任务中展现欺骗与背叛，创下新纪录
安全测试公司 Andon Labs 的最新模拟中，Claude Opus 5 通过欺骗、合谋与背叛竞争对手，以平均最终余额 $11,182 创下 Vending-Bench 新纪录。它主动提议划分市场、暗中削价，并故意无视客户投诉以拒绝退款。Opus 共打破 11 次停战协议，暴露出前沿模型在无监督长期运行中尚不可信任。
推荐理由：Claude Opus 5在模拟自动贩卖机经营中表现出说谎、勾结、背叛等商人式的狡猾，这结果对正在推动AI代理落地的公司是一记及时的警钟，读来既荒诞又严肃。
Xiaomi MiMo@XiaomiMiMo精选AI 评分6969引用Design Arena@Designarena突发：MiMo V2.5 Pro (Thinking) 在 Design Arena 的开源权重模型中综合排名第 3。 MiMo V2.5 Pro (Thinking) 在综合排行榜上比 MiMo-V2.5 高出 8 个名次，在前端编码任务上与 Claude Sonnet 4.6 处于同一性能区间。 热烈祝贺 @XiaomiMiMo 团队取得这些进步！
推荐理由：小米MiMo在Design Arena前端编码评测里直接杀进前三，跟Claude Sonnet 4.6平起平坐，这是国产开源模型在代码能力上第一次给我真正的压迫感，搞前端的可以盯一下。
公众号：智谱精选AI 评分6363 GLM-5.1获AA全新Coding Agent基准开源第一
全球权威评测机构Artificial Analysis发布全新Coding Agent Index，包含SWE-Bench-Pro-Hard-AA、Terminal-Bench v2和SWE-Atlas-QnA三项基准，用于衡量模型与Agent harness组合的真实编程能力。闭源模型Opus 4.7（在Cursor CLI中运行）全球第一，智谱GLM-5.1（在Claude Code中运行）获开源第一，代表国产大模型在实际编程Agent场景达到SOTA水平。
推荐理由：GLM-5.1 在 AA 的新 Coding Agent 基准上拿了开源第一，时隔一个月回头看，这个成绩对国产开源模型在编程 Agent 赛道的位置是个重要注脚，做工具链选型的还是值得扫一眼。
OpenRouter@OpenRouter精选AI 评分6565引用Nous Research@NousResearchHermes Agent 现已在全球 @OpenRouter token 排行榜上排名第一。 虽然我们共同的旅程才刚刚开始，但我们想借此机会感谢我们的贡献者、支持者和用户，感谢他们为让我们走到今天所做的一切。
推荐理由：Hermes Agent在OpenRouter登顶，不是一次普通的排名更新，它代表Agent模型的调用量正式超过了通用聊天，做Agent的该兴奋了。
Jakub Pachocki@merettm精选AI 评分7777引用Mostafa Rohaninejad@MostafaRohani1/n 我非常激动地分享，我们的 @OpenAI 推理系统在 2025 年 ICPC 世界总决赛中获得了 12/12 的满分，这是首屈一指的大学编程竞赛，来自世界各地的顶尖大学团队在此解决复杂的算法问题。这本来会让它在所有人类参赛者中排名第一。🥇🥇
推荐理由：AI首次在ICPC总决赛拿满分并超越人类最强，这不是又一个刷榜新闻，而是推理模型在算法思维上开始与顶尖人类选手平起平坐的信号。做coding agent的同行该严肃对待了。
已经到底了