Arena 展示前沿模型古罗马场景生成进展

2026 年 9 月 30 日，Arena 在 X 上发布视频，展示前沿模型在“让古罗马活起来”任务上的进展。据其介绍，这一进展覆盖从 2025 年第四季度至今，参与展示的模型包括 Claude Opus 4.5 至 5.5、Claude Fable 5 和 5.1、GPT-5.2 至 6 Sol、Gemini 3.1、Kimi K3、Qwen 3.8 Max 等，排行榜由全球用户的真实任务驱动。Arena 同时表示，Claude Sonnet 5.5 与 GPT-6.1 的分数即将公布。目前尚无更多关于评测方式、具体分数或排名的细节。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。