阿里 Qwen 转发 Accio 开源的 CommerceAgentBench，并确认 Qwen3.8-Max 在开源权重中整体表现最强。该基准针对真实商务运营的执行而非口头答题，早期结果显示最高总体完成率仅约 62%。对要在下单、履约、客服等长流程里跑智能体的团队，这意味着开源旗舰已能在可复现的商务工作流上被比较，同时也说明执行类任务远未饱和。
开源编码代理 Cline 援引 Terminal-Bench 4.0 新榜称，智谱 GLM-5.3（max）在终端交互评测上超过 OpenAI GPT-5.6 Sol（max）。Cline 已在产品内提供 glm-5.3，安装 `npm i -g cline` 后通过 /model 选择即可；ClinePass 对该类开源权重提供约 5 倍折扣接入。这是开源权重在最新终端代理基准上正面挑战闭源旗舰的信号，对 CLI 编码代理的模型选择与成本结构有直接影响。
Cline 宣布腾讯 Hy4 Preview 在 SWE-bench Pro 上领先。该开源权重模型总参 770B、激活 49B，上下文 1M，被 Cline 称为腾讯迄今最大的代际跃迁。开发者可 `npm i -g cline` 后用 /model 选择 Hy4 preview 直接跑仓库级修复。对编码代理生态意味着又一条可与闭源旗舰竞争的开源长上下文路径，尤其适合需要百万级上下文的多文件重构与基准评测。
Anthropic 开发者账号宣布 Claude Fable 5.1 已在 Claude Code 与 Claude Platform 上线，标价与 Fable 5 相同、API 缓存读便宜 75%。同线程给出 Claude Code 上 Terminal-Bench 4.0 成绩：Fable 5.1 为 55.8%，高于 Fable 5 的 42% 与 Opus 5 的 52.3%，并称在代理编程与电脑使用评测上领先两者。
