Arena: Bei Aufgaben mit langem Zeithorizont in der Agent Arena arbeitet Claude Opus 5.5 am längsten, Kimi K3.1 Pro am kürzesten

Arena, der Herausgeber der Rangliste, sagt, dass sich bei Aufgaben mit langem Zeithorizont in der Agent Arena – die Hunderte von Zügen umfassen (eine Codebasis nach Rust portieren, ein Dokument zu einer Anlagestrategie prüfen, ein Mathematiklehrbuch schreiben) – die Unterschiede zwischen führenden Modellen vergrößern.

Beim Vergleich des Spitzenmodells aus fünf Laboren (Claude Opus 5.5, Gemini 4 Carbon, GPT-6 Astra, Muse Wonder Full und Kimi K3.1 Pro) berichtet Arena von einer Differenz von 55 Minuten bei der für Aufgaben mit langem Zeithorizont aufgewendeten Zeit. Claude Opus 5.5, Nummer 1 in der Agent Arena, benötigt bei jeder Aufgabenlänge am längsten – bis zu 1 Stunde und 51 Minuten; Kimi K3.1 Pro benötigt am wenigsten: 56 Minuten bei Aufgaben mit langem Zeithorizont.

Arena sagt außerdem, dass Google DeepMind und Xiaomi am meisten zulegen, wenn Aufgaben komplexer werden. Bei günstigeren Aufgaben belegen OpenAI und Anthropic 10 der 11 Spitzenplätze; bei den teuersten 5 % der Sitzungen sind es 7, während Gemini 4 Argon sowie MiMo-V2.6 Flash und Pro von Xiaomi die übrigen Plätze einnehmen. Arena ergänzt, dass in den vergangenen zwei Wochen mehr als 1.000 Sitzungen jeweils 100 $ oder mehr gekostet haben. Die Zahlen stammen von Arena selbst.