Arena 展示前沿模型复现古罗马的进展

Arena 展示了从 2025 年 Q4 至今前沿模型在"让古罗马活起来"任务上的进展，Claude Sonnet 5.5 与 GPT-6.1 的分数即将公布。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，排行榜由全球用户真实任务驱动。