Agent Arena：AI代理開發者工具入門基準測試

Agent Arena（2027.dev）是一個專注於評估AI代理自主使用開發者工具難度的基準測試平臺。該平臺透過讓AI編碼代理在隔離的Docker容器中執行，並給予任務提示和URL，來測試其完全自主地發現文件、安裝包、編寫有效程式碼並驗證結果的能力，整個過程僅在必要時提供API憑據，無需人類幫助。

排名方法：同一類別的提供商根據四個維度進行相互排名——時間、成本、錯誤和中斷。每個維度內的排名組合成總體位置。時間更短、成本更低、錯誤更少、中斷次數更少，均能提升提供商的排名。沒有綜合分數或字母等級。所有工具呼叫、錯誤、時間和令牌使用均被記錄。排名由會話日誌決定，每個提供商會進行多次獨立執行並彙總結果。

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（因阻止自動註冊而無資料）。如果你希望自己的工具被評估，可以提交請求。