LMSYS Arena 发布代码智能体评测报告：基于 2 万余条真实轨迹与 29 款前沿模型

LMSYS Arena 公布了基于 29 款前沿模型共 20,840 条代码智能体真实轨迹的评测结果，系统呈现了代码 Agent 领域的用户体验演进趋势。

• 评测规模与数据源上，研究基于 Agent Arena：Code 在 2026 年 8 月至 9 月间记录的真实开发者调用轨迹，涵盖了 29 款主流代码智能体模型。
• 统计分布特征上，实测数据显示头部前沿模型获得的正向用户反馈比例明显更高，且新一代模型在整体评价上呈现更积极的偏向。
• 评估机制探索上，报告通过系统梳理开发者在实战编程中的具体赞赏与抱怨场景，量化了智能体在复杂软件工程闭环中的满意度差异。
• 影响/看点：真实交互数据的积累有助于推动代码智能体评估从静态基准转向动态环境验证，但该评价体系的长期有效性仍需适应更加私密与异构的企业级代码库场景。
• 资料依据：
• X：Arena（2026-09-21）：https://x.com/arena/status/2102060023316898302
• LMSYS Org（2026-09-21）：https://lmsys.org/blog/2026-09-21-agent-arena-code/

本内容由 AI 生成，仅供参考，请注意甄别