Skip to content
A

Arena (agent framework benchmark)

基础设施已核验最近更新 2026-10-04

ACM CAIS '26 论文中的基准，在固定模型条件下对比各 Agent 框架。

ACM CAIS '26 于 2026 年 5 月 26 日发表的基准，把 Claude Sonnet 4.5 固定在六个 Agent 框架之上并指向同一 MCP 工具服务器，发现随任务复杂度上升，传统框架需要多出 2-4 倍的场景专用编排代码，却未获得任何正确性优势。

关键事实

2026 前沿同一模型下对比六个框架；随复杂度上升，没有任何框架获得正确性优势
可信度这是目前最有用的框架对比，因为它固定了模型：Claude Agent SDK、LangChain、LangGraph、AWS Strands、CrewAI 与 Google ADK 指向同一个 MCP 工具服务器，按六项指标比较。结论——简单任务上各框架表现相近，但随复杂度上升，传统框架需要多出 2-4 倍的场景专用编排代码却无正确性收益——把「选框架」从能力问题变成了工程投入问题。
核验状态已核验
来源ACM CAIS '26 (DOI 10.1145/3786335.3813233)

Markdown 版本（供 LLM 读取）

FAQ

Arena (agent framework benchmark) 测的是什么？

ACM CAIS '26 论文中的基准，在固定模型条件下对比各 Agent 框架。

Arena (agent framework benchmark) 的 2026 年前沿水平是多少？

同一模型下对比六个框架；随复杂度上升，没有任何框架获得正确性优势

Arena (agent framework benchmark) 可信吗？

这是目前最有用的框架对比，因为它固定了模型：Claude Agent SDK、LangChain、LangGraph、AWS Strands、CrewAI 与 Google ADK 指向同一个 MCP 工具服务器，按六项指标比较。结论——简单任务上各框架表现相近，但随复杂度上升，传统框架需要多出 2-4 倍的场景专用编排代码却无正确性收益——把「选框架」从能力问题变成了工程投入问题。