Agent Arena：AI代理开发者工具入门基准测试

Agent Arena（2027.dev）是一个专注于评估AI代理自主使用开发者工具难度的基准测试平台。该平台通过让AI编码代理在隔离的Docker容器中运行，并给予任务提示和URL，来测试其完全自主地发现文档、安装包、编写有效代码并验证结果的能力，整个过程仅在必要时提供API凭据，无需人类帮助。

排名方法：同一类别的提供商根据四个维度进行相互排名——时间、成本、错误和中断。每个维度内的排名组合成总体位置。时间更短、成本更低、错误更少、中断次数更少，均能提升提供商的排名。没有综合分数或字母等级。所有工具调用、错误、时间和令牌使用均被记录。排名由会话日志决定，每个提供商会进行多次独立运行并汇总结果。

目前排名包括：Daytona（2分21秒，0.81美元）、E2B（1分18秒，0.84美元）、Modal（2分46秒，1.16美元）、Freestyle（3分39秒，1.20美元）、Vercel Sandbox（3分18秒，2.20美元）、Blaxel（8分44秒，3.50美元）、Cloudflare Sandbox（13分11秒，4.73美元）以及CodeSandbox（因阻止自动注册而无数据）。如果你希望自己的工具被评估，可以提交请求。