AI 模型评测平台 Arena 近日宣布，Anthropic 旗下的 Claude Sonnet 5.5 已正式进入其 Agent Arena 评测体系，并面向公众开放投票通道。

Agent Arena 的评测基础来自全球用户提交的数百万个真实长程智能体任务。在这些任务中，模型需要调用 web search、filesystem 和 terminal 等工具，完成具有一定复杂度的多步骤工作流。

与常规评测不同，该榜单采用因果追踪方法，衡量的是模型相对于平均模型的结果表现。这一设计意在更清晰地呈现模型在真实任务链条中的实际贡献，而非仅看单一任务的完成与否。

Claude Sonnet 5.5 的加入，意味着 Anthropic 的最新产品将在这一公开评测框架下接受来自真实用户任务的检验。投票开放后，开发者与用户的反馈将逐步反映在榜单结果中。