LMArena（@arena）评测显示，通义 Qwen3.8-Max-0902 以 1691 分登顶 Code Arena: WebDev 总榜，高出 Claude Opus 5（Max）约 3 分、Kimi K3（Max）约 17 分，并比前代 Qwen3.8-Max 高约 22 分。按约 5 美元/百万 Token 综合价，它同时占据当前最高分的 Pareto 前沿位置，在数据分析与消费产品等子类也名列前茅。
LMArena（@arena）宣布 Anthropic Claude Fable 5.1 已可在 Arena 投票评测，分数即将公布。Agent Arena 面向真实长程智能体任务，模型可使用网页搜索、文件系统与终端等工具；Fable 5.1 同时进入 Code Arena 的 WebDev、Text、Vision 与 Document 赛道。
Artificial Analysis 发布预发评测：Fable 5.1 在 max effort 下拿到 Intelligence Index 66，超过 Opus 5（63）、Fable 5（62）、GPT-5.6 Sol（61）与 Grok 4.6（61）。尽管缓存读价从 1 美元砍到 0.25 美元/百万 Token，因输出 Token 约多 1.7 倍，单任务成本约 3.76 美元，仍比 Fable 5 高约 20%；xhigh effort 可得 65 分、约 2.72 美元/任务。
SWE-bench 评测团队联合顶尖研究机构推出了全新的 SWE-bench Pro 基准测试。新基准将测试用例从单纯的 Python 扩展到 Rust、Go、C++ 与 TypeScript 等 5 大工业级系统语言，包含 1,200 个来自顶级开源项目的真实 Issue 修复场景，更真实地衡量 AI 智能体在多语言混合微服务体系中的工程解决能力。
