Arena Agent 排行榜新批次（官方發布日期 2026-10-28，結束連續七天卡在 10-23 同批）：第一名 Claude Opus 5.5（Max）不變，20.94%；Google 10-28 剛發布、目前只開放給 cyber defender 的 Gemini 4 Carbon（High）首次上榜即拿下第二，16.04%，把原本第二的 Claude Sonnet 5.5（Max）擠到第三（13.99%→13.84%）；GPT-6 Astra（Max）掉幅最大，從第三跌到第五（13.96%→12.96%），被 Claude Fable 5.1（Max）反超（13.94%→13.35%，名次不變仍第四，但分數排序已經換位）。Carbon 的 95% CI 下界（15.04%）仍高於 Sonnet 的點估計（13.84%），是這批次裡少數站得住的名次差。
Arena Agent 排行榜新批次（官方發布日期 2026-10-23，結束連續三天卡在 10-20 同批）：第一名 Claude Opus 5.5（Max）不變，20.77%；Claude Sonnet 5.5（Max）從第五名 12.67% 衝到第二名 13.99%（+1.32pp），把原本第三的 Claude Fable 5.1（Max）擠出前三（14.17%→13.94%，掉到第四）；GPT-6 Astra（Max）從第二掉到第三（14.70%→13.96%）。第 2 到第 5 名分差只剩 0.35 個百分點，95% 信賴區間全部重疊，但 Sonnet 5.5 用五分之一的 API 價格追平同家族的 Fable 5.1，這個方向比名次本身更值得記。
Arena Agent 排行榜 10-16 發布：Claude Opus 5.5（Max）18.88% 續居第一；GPT-6 Astra（Max）14.13% 從連續三批卡在第 4／5 名首次擠進第二；GPT-6.1 Sol（Max）結束連續三批的第二名，掉到第四（14.78%→13.60%）。前六名 95% 信賴區間仍大面積重疊，但 Astra 連續四批分數單向上升、Sol 結束長達三批的穩定期，這種多批次的位置變化比單批次的名次跳動更值得記一筆。
Arena Agent 排行榜 10-13 發布：Claude Opus 5.5（Max）17.01% 續居第一；GPT-6.1 Sol（Max）15.05% 第二；Claude Fable 5.1（Max）從第六回到第三（11.74%→14.32%）；GPT-6 Sol（Max）從第三掉到第七（12.60%→10.51%）。三次發布、一週之內第三名換了三次，前六名的 95% 信賴區間全部重疊，名次本身不該拿來選型。
Arena 完成 $200M Series B，估值 $3.1B，較 10 個月前的 Series A 近乎翻倍，由 Lightspeed Venture Partners 與 Khosla Ventures 共同領投。這筆錢代表的信號：當模型開始「認得出」自己正在被評測，靜態 benchmark 就會失真，第三方、即時、人類評審的評測層本身變成一塊獨立生意。