Edge Delta 开源了 Project Arena，据其 GitHub 项目页面介绍，这是一个与厂商无关的评测起点，用于部署用完即弃的 Kubernetes 集群、注入故障、保存调查记录，并由可配置的裁判模型打分，旨在评测 AI 产品的故障排查能力。
据官方开源页面说明，该项目支持本地 kind 或 AWS EKS 集群，以 MIT 许可证开源。测试套件分为两类：包含 21 个场景的完整套件，以及包含 6 个场景的冒烟套件。 在运行环境方面，官方要求完整套件使用面向 Linux AMD64 的预构建应用镜像，需要 AMD64 工作节点；Apple Silicon Mac 则可在原生 ARM64 的 kind 上运行冒烟套件。
Edge Delta 在该项目中公布了一份基准测试结果，比较了 Edge Delta 原生 AI 调查、Grafana 原生 AI 调查，以及 Claude 分别通过两家的命令行工具（edx 和 gcx）进行的调查。据说明，这 21 个 Kubernetes 事故场景的所有最终调查，均由 GPT-6-Astra 按同一套事故事实和评分标准进行评估。
在故障检测环节，据 Edge Delta 发布的测试结果，Edge Delta 原生功能检测并调查了 18 个场景（85.7%），Grafana 原生功能则为 12 个（57.1%）。 对于 Claude，文档指出它在两个平台上均是从外部启动的，覆盖了全部 21 个场景。其中在 edx 下触发来源为 16 次告警和 5 次客户报告，在 gcx 下为 12 次告警和 9 次客户报告；由于是外部启动，Claude 的检测环节未单独测量，表格以“—”表示。
在根因分析方面，据测试数据，Claude + gcx 找出了 19/21（90.5%），Claude + edx 为 18/21（85.7%）；相比之下，Edge Delta 原生功能为 15/18（83.3%），Grafana 原生功能为 9/12（75.0%）。 在给出有依据的最终缓解方案上，Claude 同样领先：Claude + edx 为 16/21（76.2%），Claude + gcx 为 15/21（71.4%），而 Edge Delta 原生为 8/18（44.4%），Grafana 原生为 5/12（41.7%）。文档也特别声明，缓解与实施就绪度衡量的是给出的方案，而不是已执行的修复或经验证的恢复。
为了进一步对比，文档还提供了一组两款原生产品都调查过的 12 个相同事故的数据。 在这 12 个相同事故中，据统计，根因分析方面 Edge Delta 原生功能达到了 11/12（91.7%），Grafana 原生为 9/12（75.0%），两组 Claude 均为 10/12（83.3%）。在有依据的最终缓解方案方面，Edge Delta 原生为 7/12（58.3%），Grafana 原生为 5/12（41.7%），两组 Claude 均为 8/12（66.7%）。
