Agent Mode on Arena

我很欣赏 Arena 的一点是，它把讨论从“哪个模型在流行”转向了“哪个模型真正适合我的使用场景”。如今 AI 创新节奏飞快，能有一个可靠的方法来评估和比较模型，价值巨大。这感觉像是一款能帮助构建者做出更明智决策的产品，而不是依赖假设或营销宣传。

恭喜发布 — 很期待看到这个平台如何进化并服务 AI 社区！🚀

Arena 感觉像是 AI 领域急需的一剂现实检验。不必再猜测或相信零散的基准测试，它把一切整合到一个地方，让模型能放在一起用实际的方式评估。对任何用 AI 构建东西的人来说，这种清晰度极其宝贵。很期待它如何成长，以及社区如何让 AI 评估变得更透明、更有用。

👋 嘿 Product Hunt！我们很高兴在 Arena 上推出 Agent Mode。

以往的 AI 聊天体验往往局限于僵化的单模态互动，需要切换工具或额外提示。Agent Mode 改变了这一点。现在你只需一次提示，智能体就会在沙盒测试环境中规划、浏览、研究、编码，为你完成真实世界的多步骤任务。

每次 Agent Mode 会话还会驱动我们全新的 Agent Leaderboard，它完全基于从真实用户运行真实工作流中收集的行为信号（如确认成功、bash 恢复、可操控性等）构建。我们很高兴社区能共同参与排行榜，并为衡量 AI 进展提供一个新的标准。

欢迎反馈：你给它扔了什么智能体任务？下一步应该加什么工具？感谢你的关注 🙏

很有意思。Arena 怎么防止智能体在跑基准测试时做出破坏性的事情？

光是 UI 就已经很棒了。你们真的很有那“品味”，Elliott

我刚测试了一下，简直太牛了

对 Agent Mode 如何消除常见摩擦印象深刻——只需一次 prompt，它就能真正端到端地完成任务。排行榜这个设计也很聪明，感觉是一种透明的衡量实际进展的方式。很好奇你们接下来会接入哪些新工具。