向 @xai 团队致敬，他们在凌晨 2:00 奋斗，帮助将这个项目推向成功 介绍 Agent Runner：第一个与真实用户一起运行的开源代理，旨在创建一个真实编码的实时基准 我们追踪工具调用、重新提示和多文件编辑，从 @OpenAI、@xai、@GoogleDeepMind、@AnthropicAI、@MistralAI、@Zai_org、@Kimi_Moonshot 中挑选最佳开始

这是我们自推出设计竞技场以来看到的最大性能差异。 Gemini 3.0 Pro 在整体排名中位列第1，并在我们5个代码竞技场中的4个中排名第1 - 网站、游戏开发、3D设计和用户界面组件。 祝贺 @GoogleDeepMind 团队取得了显著的进展（以及谦逊的版本命名）。

我承认我错了 - 一个月的工作能带来如此大的变化，真是疯狂。 祝贺 @OpenAI 团队推出 GPT 5.1 - 现在它在整体上排名第一。