Arena 的 Agent Arena 新增按输出 token 与等待时长的智能体性价比对比

Arena 宣布在 Direct Mode 限时开放 Anthropic 的 Claude Sonnet 5.5（High），截止 10 月 2 日上午 8 点（太平洋时间），之后仍可在 Battle 和 Agent Mode 使用。引用内容称 Claude Sonnet 5.5 是 Claude 5.5 系列第二款模型，比 Sonnet 5 快 30% 以上，多数工作成本最高降低 30%。

Arena 宣布 Agent Mode 现已支持 Connectors，用户可在单个任务中接入 Vercel、Linear、GitHub、Supabase、Notion、Gmail、Google Drive、Google Calendar 等真实工具，端到端完成更复杂的实际任务。首批服务来自社区构建者最常请求的清单，后续将持续扩充。

Arena 宣布 OpenAI 的 GPT-Image-2.5 Sunburst 在接下来 14 天内可在 Arena 的 Direct Mode 中直接测试，11 月 2 日早 8 点（太平洋时间）截止。

Arena 推出智能体版 Max 模型路由器，基于 Agent Arena 的 250 万次真实智能体会话训练，可为每个任务动态选择最优模型。Max 在 Agent Arena 中取得 +14.7% 的净提升分数，单任务中位成本 $3.27，以低 37% 的成本匹配 Claude Fable 5.1 (Max) 的性能，限时可试用。

Arena 发布 Alignment Index，将评测平台扩展到对齐领域。该评估覆盖三类问题：模型擅自执行操作、欺骗性回复（声称完成实际未做的任务）和虚假归因（把人类没有的意图归于人）。完整技术报告见其博客，完整排名已公开可查。

Arena 宣布 Anthropic 的 Claude Sonnet 5.5 将于 9 月 30 日太平洋时间早 8 点起限时开放测试。上线后用户可在 Direct Mode 下拉菜单中选中它，Claude Sonnet 5.5 (High) 在 Direct Mode 可用 48 小时，之后将继续保留在 Battle 和 Agent Mode 中。

Arena 宣布限时开放测试 OpenAI 的 GPT-6 Sol，用户可在 Direct Mode 下拉菜单中选择该模型。GPT-6 Sol (Medium) 在 Direct Mode 仅开放 24 小时，至 9 月 29 日上午 9 点（太平洋时间）；此后它仍像现在一样在 Battle 和 Agent Mode 中可用。

OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，基于 GPT-6 Astra 的技术，主打更快、更便宜以支持大规模工作，并优化了缓存和推理效率，API 定价比 GPT-5.6 促销价低 50%。

Arena 分析 Agent Arena: Code 中 29 个模型的 20840 条 trace 后发现，前沿模型获得的正向反馈明显更多，新模型整体反馈更偏正面。

Arena Conversations：@petergostev 与 @triggerdotdev 创始人兼 CEO @mattaitken 坐下来，讨论为长时运行的智能体构建基础设施，包括重试、API 可靠性，以及为什么客户切换前沿模型的速度比以往任何时候都快。 在下方链接观看完整节目。