LlamaIndex（@llama_index）与 Kaggle 上线 ExtractBench，评测面向下游智能体的 schema 引导文档抽取：覆盖长记录列表、噪声扫描件、手写与复杂表格等易出错样本。基准含 370 份企业文档、8 个业务域、67 种文档类型，可对比 LlamaParse、Codex、Claude Code 等系统；榜单已在 Kaggle 公开。
Artificial Analysis 评测 GPT-6 Astra：Coding Agent Index 在 Codex 上得 67，约等于 Claude Opus 5 / Fable 5（Claude Code）与 Muse Spark 1.3（Muse Code）；token 效率相对 GPT-5.6 Sol（max）约提升 70%。API 价升至 $10/$50 per 1M in/out（为 Sol 的 2.5 倍），但单任务成本仍显著低于 Fable 5。Intelligence Index 仍为 61，与 Sol 持平。
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。
Anthropic 首次让外部研究者通过隐私保护的 Anthropic Insights 分析真实 Claude 用量。斯坦福 SALT、牛津 HIP Lab 与 METR 独立研究了 2026 年 4–5 月约 25 万条 Claude.ai 或 Claude Code 对话，其中 METR 正在估算编程 Agent 的真实生产力增益。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察