1770721197
2026-02-10 10:35:00
ウィンドサーフィンが導入しました アリーナモード IDE 内では、開発者が実際のコーディング タスクに取り組みながら、大規模な言語モデルを並べて比較できるようになります。この機能は、ユーザーが公開ベンチマークや外部評価 Web サイトに依存するのではなく、既存の開発コンテキスト内でモデルを直接評価できるように設計されています。
アリーナモードは2回実行されます カスケードエージェント 同じプロンプト上で並行して実行し、セッション中は基礎となるモデル ID を非表示にします。開発者は、コードベース、ツール、コンテキストへのアクセスなど、通常のワークフローを使用して両方のエージェントと対話します。出力を確認した後、ユーザーはどの応答のパフォーマンスが優れていたかを選択でき、それらの投票はモデルのランキングの計算に使用されます。結果は、個人の投票に基づく個人リーダーボードと、Windsurf ユーザー ベース全体で集計されたグローバル リーダーボードの両方にフィードされます。
ウィンドサーフィンによるとこのアプローチは、実際のプロジェクトのコンテキストを伴わないテスト、表面的な出力スタイルに対する敏感さ、タスク、言語、またはワークフロー間の違いを反映できないことなど、既存のモデル比較システムの制限に対処することを目的としています。 Windsurf は、デバッグ、機能開発、コード理解などの日常の開発作業にさらに近い評価を取得することを目的としています。
アリーナ モードでは、期間限定ですべてのバトル グループに無料でアクセスできます。その後、結果が公開され、時間の経過とともにモデルが追加されます。 Windsurf はまた、タスクの種類、プログラミング言語ごとに、より詳細なリーダーボードを備えたシステムを拡張し、大規模な組織向けにはチームレベルの評価も可能になる予定です。
アリーナ モードの発表は、コミュニティからの興奮、賞賛、そしていくつかの懐疑の混合を引き起こしました。上のユーザー × 現実世界のベンチマークアプローチは評価していますが、トークンの使用法と実用性については懸念が生じています。
開発責任者 @nnennahacks 共有:
コードベースがベンチマークになります。辛い！
一方、ユーザー @bigwum コメント:
さらに多くのトークンを焼き切る素晴らしい方法です。
#Windsurf #が開発中に #モデルを比較するアリーナ #モードを導入