LiveBench 2.0 榜单更新：Claude Fable 5.1 登顶，多款旗舰模型表现强劲

LiveBench 2.0 作为一项具有挑战性的、无污染的长周期 AI 基准测试，评估模型在真实世界任务中的表现，包括制作演示文稿、研究报告、修复 Bug 和运行数小时的应用程序。此次更新不仅揭示了新模型（如 Claude Fable 5.1、Claude Opus 5.5、GPT-6 Astra、GPT-6.1 Sol 和 Gemini 4 Argon）的卓越性能，还提供了每个模型的“每成功任务成本”数据，让用户能够更全面地评估模型的价值。榜单详细列出了模型在 Agentic、Reasoning、Coding、Browser Use、Data Analysis、Research 和 Design 等关键领域的表现。