Arena 评测：GPT-6 Luna (Max) 居 Agent Arena 第 23 名，单任务成本 0.05 美元

Arena 公布 Agent Arena 评测结果，GPT-6 Luna (Max) 位列第 23 名，评测基于 8K 真实智能体会话，净提升为 +1.6%，相比 GPT-5.6 Luna (xHigh) 上升 6 位，单任务成本为 0.05 美元。

相比 GPT-5.6 Luna (xHigh)，GPT-6 Luna (Max) 在同一评测中排名上升 6 位，净提升 +1.6%，同时单任务成本仅 0.05 美元，说明其在智能体任务上的表现与成本组合出现变化，但第 23 名仍非头部位置。

Agent Arena 以 8K 真实智能体会话为评测样本，净提升指标衡量模型在真实任务中的综合表现。GPT-6 Luna (Max) 排名上升可能来自模型能力或配置变化，但证据未说明具体技术改动，成本数据也未给出计算口径。

若单任务成本 0.05 美元可复现，团队在批量智能体任务中可重新评估模型选型，将成本敏感型场景从高价模型迁移到 GPT-6 Luna (Max)，但需先验证其在自身业务任务上的净提升是否可迁移。

• 在智能体工作流中对 GPT-6 Luna (Max) 与 GPT-5.6 Luna (xHigh) 做 A/B 测试，以单位任务成本和完成率共同决定默认模型。
• 针对 0.05 美元单任务成本构建高频、低风险的自动化任务试点，验证真实账单与 Arena 成本口径是否一致。

• 0.05 美元单任务成本的具体计算口径和是否包含重试与工具调用开销？
• 8K 真实智能体会话的评测任务分布是否覆盖企业常见场景？
• 净提升 +1.6% 的统计显著性和评测误差范围是多少？
• GPT-6 Luna (Max) 与 GPT-5.6 Luna (xHigh) 的具体配置差异是什么？