Arenaがウェブ開発でGPT-6 Astra Maxを第1位に、エージェントでClaude Fable 5.1 Maxを第1位にランク付け

Arenaの創業者たちは、「最良」をタスク、コスト、そして信頼区間に分けることで、モデル評価をビジネスに変えている。

By · Published

A person's hands interact with a tablet displaying abstract data visualizations that compare the performance of different AI models for specific tasks.

Arenaの創業者たちは、「最良」をタスク、コスト、そして信頼区間に分けることで、モデル評価をビジネスに変えている。