Agent Arena は、最先端の AI モデルを評価・比較するためのコミュニティ主導型プラットフォームであり、現実世界の人間のフィードバックと匿名の並列比較を通じて、公開リーダーボードを形成します。
null
<a href="https://www.stork.ai/en/agent-arena" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/agent-arena?style=dark" alt="Agent Arena - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/agent-arena)
overview
Agent Arena は、Arena.ai が開発した AI モデル評価・比較プラットフォームであり、AI 研究者、開発者、組織が、匿名の並列比較と人間による投票を通じて、最先端の AI モデル（LLM、画像、コード、ビデオ、ビジョン、ドキュメント、検索）を評価・比較することを可能にします。現実世界の人間のフィードバックに基づいて AI モデルの公開リーダーボードを形成し、合成ベンチマークを超えた AI パフォーマンスを理解するための動的な環境を提供します。2026年6月4日に開始されたプラットフォームの「Agent Mode」は、サンドボックス環境内で複雑な多段階タスクに取り組む自律型 LLM エージェントの評価に特化しています。
quick facts
| 属性 | 値 |
|---|---|
| 開発元 | Arena.ai |
| ビジネスモデル | サブスクリプション SaaS (フリーミアムティアあり) |
| 価格 | フリーミアム、高度な機能には有料ティアあり |
| プラットフォーム | Web |
| 資金調達 | シード、1億ドル |
features
Agent Arena は、現実世界のシナリオにおける AI モデルとエージェントの厳密な評価と比較のために設計された包括的な機能スイートを提供します。これらの機能は、AI パフォーマンスに関するコミュニティ主導の洞察とデータ収集を促進します。
use cases
Agent Arena は、人工知能の開発、展開、理解に関わる多様なユーザー向けに設計されており、彼らのニーズに合わせた特定の機能を提供します。
pricing
Agent Arena はフリーミアムビジネスモデルで運営されており、ユーザーは無料で主要機能にアクセスできます。有料ティアに関する具体的な詳細（高度な機能やエンタープライズソリューションの料金や機能の内訳など）は公開されていません。フリーミアムモデルは通常、プラットフォームの評価および比較ツールへの基本的なアクセスレベルを提供し、プレミアムサブスクリプションでは、使用制限の増加、高度な分析、専用サポート、または排他的なプレリリースモデルへのアクセスなどの強化された機能が提供される可能性があります。
competitors
Agent Arena は、現実世界のシナリオで LLM エージェントを評価・比較するための主要プラットフォームとして位置付けられており、その動的な手法は静的なベンチマークとは一線を画しています。より広範な AI エージェントの評価およびオーケストレーションの分野で競合しています。
It pioneered the blind, side-by-side 'AI model battle' format where users vote for the better response, driving an Elo-based public leaderboard for LLMs.
Like Agent Arena, it focuses on community-driven evaluation and ranking of AI models through direct user interaction and voting, primarily for LLMs, using a distinct 'battle' format.
It provides a comprehensive platform for various machine learning model evaluations, including community-managed leaderboards and interactive 'Arena-like' spaces for direct model comparison across modalities.
Hugging Face offers a broader ecosystem for ML models and evaluations, including community-driven leaderboards and interactive comparison tools that mirror Agent Arena's multi-modal 'chat, compare, vote' functionality, but it also includes more traditional benchmark-based leaderboards.
It provides a unified interface to chat with and compare responses from a wide array of AI models (including proprietary ones) side-by-side, focusing on practical comparison for user tasks.
OpenRouter excels at side-by-side comparison and direct interaction with numerous AI models, similar to Agent Arena's 'chat and compare' features, but its primary focus is on individual user comparison and optimization rather than a public, community-voted leaderboard.
It offers deterministic scoring and detailed metrics (cost, speed) for comparing 100+ AI models on user-defined tasks, moving beyond subjective human voting.
OpenMark provides a robust platform for comparing AI models with a strong emphasis on objective, deterministic evaluation and cost/speed analysis, which contrasts with Agent Arena's community-driven, subjective voting for leaderboard shaping.
Agent Arena は、Arena.ai が開発した AI モデル評価・比較プラットフォームであり、AI 研究者、開発者、組織が、匿名の並列比較と人間による投票を通じて、最先端の AI モデル（LLM、画像、コード、ビデオ、ビジョン、ドキュメント、検索）を評価・比較することを可能にします。現実世界の人間のフィードバックに基づいて AI モデルの公開リーダーボードを形成し、合成ベンチマークを超えた AI パフォーマンスを理解するための動的な環境を提供します。2026年6月4日に開始されたプラットフォームの「Agent Mode」は、サンドボックス環境内で複雑な多段階タスクに取り組む自律型 LLM エージェントの評価に特化しています。
Agent Arena はフリーミアムビジネスモデルで運営されており、ユーザーは無料で主要機能にアクセスできる無料ティアが利用可能です。有料ティアに関する具体的な詳細（高度な機能やエンタープライズソリューションの料金や機能の内訳など）は公開されていません。
Agent Arena の主な機能には、さまざまなタイプ（LLM、画像、コード）にわたる AI モデル評価、現実のタスクでのベンチマーク、匿名の並列比較と投票による人間の好みデータの収集、公開リーダーボードの形成、オープンな研究資産へのアクセス、プレリリースモデルのテストが含まれます。重要な機能は、2026年6月4日に開始された「Agent Mode」で、エージェントのアクションと思考の連鎖をリアルタイムでストリーミングしながら、自律的な多段階エージェントワークフローを実行および比較できます。
Agent Arena は主に、現実世界のシナリオで最先端の AI モデルとエージェントを評価・比較しようとする AI 研究者、開発者、組織を対象としています。これには、モデルのベンチマーク、AI パフォーマンスの理解、コミュニティ主導の評価活動への貢献が必要なビルダー、モデルラボ、企業、クリエイティブ専門家、アナリストが含まれます。
Agent Arena は、LMSYS Chatbot Arena のような競合他社とは異なり、評価を LLM を超えて画像モデルやコードモデルにまで拡大し、多段階のエージェントワークフロー専用の「Agent Mode」を提供することで差別化を図っています。オープンソース LLM のベンチマークスコアに焦点を当てる Hugging Face Open LLM Leaderboard とは異なり、Agent Arena は現実世界の人間のフィードバックを重視します。Poe と比較すると、Agent Arena はモデルへの直接アクセスだけでなく、コミュニティ主導のリーダーボード形成とエージェントパフォーマンス評価に重点を置いています。Vellum に対しては、Agent Arena は定量的ベンチマーク指標のみに頼るのではなく、現実世界の評価のための直接的なユーザーインタラクションと投票を優先します。
Storkでもっと
このカテゴリの他のツール（コミュニティ評価順）
SWE-Bench Pro
🤖 AI Tools
SWE-benchは、様々なAIモデルやシステムの性能を評価するために設計されたベンチマークツールです。これは、異なるアルゴリズムを標準化された方法でテストし比較するための包括的なフレームワークを提供します。
AWEAR
🤖 AI Tools
エレガントでパワフルなテクノロジーがあなたの生活にシームレスにフィットし、最先端のAIとneuroscienceを駆使してストレス、集中力、感情をリアルタイムで追跡します。精神的負担の隠れた層を理解し、レジリエンスを構築し、バランスを保ちましょう。
Recoverit
🤖 AI Tools
Recoverit AI搭載データ復元ソフトウェアは、ハードドライブ、SDカード、USBドライブ、クラッシュしたPC、Macデバイスから削除されたファイル、写真、ビデオ、ドキュメントの復元をサポートします。無料ダウンロード。
PatchDesign.AI
🤖 AI Tools
無料AIパッチデザインツール。 生成回数無制限、サブスクリプション不要、クレジットカード不要。 専門家による人間による刺繍レビュー込み。 刺繍、PVC、
WolfBench
🤖 AI Tools
WolframはWolfBenchに、目立たないが重要な機能を搭載しました。それは、各バーの奥行きが、モデルがそのスコアを得るために使用したトークン数を表す3Dバーです。
atomic.chat
🤖 AI Tools
Mac、Windows、iPhone向けの無料オープンソースローカルAIチャット。Llama、Qwen、DeepSeek、Gemmaをオフラインで実行 — 1,000以上のモデル、クラウド不要、サブスクリプション不要。無料ダウンロード。
For builders
AI agents read it. Buyers find it. Backlinks accrue. Your tool can have one too — live in 24 hours, indexed by Claude, ChatGPT, and Perplexity, queryable via MCP.
