7月最强的AI Agent，现在只能算平均水准。这句话不是判断，是Agent Arena上跑出来的结果。

Agent Arena的机制很直接：用户把真实任务交给Agent，然后确认结果有没有满足需求。这个信号叫Confirmed Success（确认成功率）。它衡量的不是模型跑分，而是任务到底有没有被干完。

打开网易新闻 查看精彩图片

7月1日，Claude Fable 5还明显领先所有其他模型。但只用了12周，前20名的平均水平就追上了它。

追赶的速度比想象中更快

真正把差距抹平的，是成本。Kimi K3在3周内就超过了Claude Fable 5，而每次任务的成本低了89%。DeepSeek V4.1 Flash则已经追平它，成本低了96%。

这意味着，同样的任务能力，价格正在以数量级的速度往下掉。领先者靠性能建立的护城河，被成本优势快速填平。

与此同时，头部阵营的整体水位在抬升。前5名现在能确认完成94%的任务，而7月这个数字是80%。领跑的是Claude Opus 5.5、Claude Fable 5.1和GPT-6.1 Sol。

今天的领先者坐不稳

从80%到94%，前5名的确认成功率在几个月内抬了14个百分点。这不是某一家的突破，而是整个头部梯队在同步上移。

反过来看，7月那个"明显领先"的位置，如今已经变成及格线。12周的时间，足够让一个标杆变成基准。

Agent Arena给出的结论很直白：今天的领先者不会在顶端待太久。Confirmed Success和其他Agent信号可以在其页面上实时追踪。