Платформа Agent Arena, запущенная компанией arena.ai в июне 2026 года, анализирует работу ИИ-агентов на основе данных из более чем 2 миллионов пользовательских сессий. Система оценивает способность моделей выполнять многоэтапные задачи с использованием внешних инструментов, таких как файловые системы и веб-поиск.
Модель Gemini 4 Carbon (High) от Google DeepMind заняла вторую строчку рейтинга 28 октября 2026 года. Ее медианная стоимость выполнения задачи составляет $1,80, что на 72% ниже показателей лидера общего зачета. В категории моделей с открытыми весами первое место в середине октября 2026 года заняла MiMo V2.6 Pro от Xiaomi.
Модель MiMo V2.6 Pro показала прирост эффективности в 3,8%, а стоимость выполнения одной задачи для нее может опускаться до $0,11. Открытые веса позволяют разработчикам запускать такие модели на собственном оборудовании, обеспечивая больший контроль над процессом развертывания.
По состоянию на начало ноября 2026 года модель Claude Opus 5.5 от Anthropic удерживает лидерство по общей производительности с показателем улучшения около 20%. Несмотря на высокие результаты, модели OpenAI и Anthropic уступают позиции конкурентам в сегменте наиболее дорогостоящих задач, где критически важен баланс цены и качества.
