Agent Arena 的开源模型排名迎来新变化。Arena 宣布，DeepSeek-V4.1-Flash-20261017 (Max) 已登上 Agent Arena 开源模型第一的位置，在总榜中位列第 11。这一成绩基于超过 7.5K 真实会话的评测数据得出。

从核心指标看，该模型在评测中实现净提升 +5.1%。与此同时，其 Confirmed Success 指标提升 +11.5%，并且在评测过程中未出现 Tool Hallucination 问题，显示出在工具调用环节的稳定性。

成本维度是此次结果的另一关注点。DeepSeek-V4.1-Flash-20261017 (Max) 的中位任务成本为 $0.20，约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%。这一对比意味着在相近评测框架下，该模型以更低的单位任务开销取得了相应幅度的提升。

对 Agent 方向的开发者而言，开源模型在真实会话评测中进入总榜前列，同时保持较低的任务成本与工具调用可靠性，为后续选型提供了新的参考坐标。Agent Arena 基于真实会话的评测方式，也使这一排名更贴近实际部署场景的表现。