LMArena 公布 Muse Spark 1.3（Max）在 Agent Arena 升至第 13 名，基于逾 8700 次真实智能体会话净提升 +4.2%；相对 1.2（xHigh）的第 30 名上升 17 位。编码、工作与聊天分榜均改善，其中 Code 升至第 15（+4.3%）。
Arena.ai（@arena）宣布 Meta Muse Spark 1.3 已进入 Arena：Agent Arena 用海量真实长程智能体任务评测（可调用网页搜索、文件系统与终端），并以因果追踪相对平均模型衡量结果；同时覆盖 Code Arena 的 WebDev、Text、Vision 与 Document，现可投票，分数即将发布。
Arena.ai 官方公布：Anthropic Claude Fable 5.1 (Max) 在 Agent Arena 基于 6.7k+ 真实长程智能体会话登顶，净提升 +15.8%，同时以中位 $4.14/任务改写价格-性能帕累托前沿。赞美 vs 投诉隐式情绪领先 +42.5%，确认成功 +22.4%，Bash 恢复 +13.1%，且无工具幻觉；GPT-6 Astra 轨迹仍在收集中。
LMArena（@arena）详解 Gemini 3.8 Flash (High) 相对 3.7 Flash (High) 在 Agent Arena 的跃升：净提升从 +0.84%（总榜 #32）升至 +5.94%（总榜 #14）。Agent Arena 用网页/文件系统/终端等真实长程任务衡量相对平均模型的净改进；五维信号里 Praise vs Complaint 改善最猛（+14.78% vs -1.60%），Confirmed Success 与 Bash Recovery 也明显变好，Steerability 仍弱但已好转。
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