Artificial Analysis 独立评测 Devin Fusion：首次将多模型编程智能体纳入 Coding Agent Index。Fable 5.1 (xhigh)+SWE-2 得分 62；GPT-6 Astra (xhigh)+SWE-2 得分 59，成本约低 43%、完成任务约快 31%，同时基本保留前沿表现。
Artificial Analysis（@ArtificialAnlys）公布 Meta Muse Spark 1.3 在 Coding Agent Index（Muse Code 编排）的成绩：现已开放的 xhigh 变体得分 64（较 1.2 的 62 提升 2 分），单任务约 $1.72，是指数 60 以上智能体中最便宜的；面向合作伙伴的 max 预览变体得分 68，仅次于 Claude Opus 5（xhigh）在 Claude Code 上的 68。Fable 5.1 成绩仍在统计中。
Artificial Analysis（@ArtificialAnlys）发布 Intelligence Index v4.3：将 Terminal-Bench 从 2.1 升至 4.0（改用 mini-SWE-agent），并以与 Zapier 合作的 AutomationBench-AA（657 条私有业务工作流）替换 τ³-Banking；Claude Fable 5.1 与 GPT-6 Astra 并列领先得分 53，OpenAI 占据多数性价比前沿。
Artificial Analysis（@ArtificialAnlys）评测 OpenBMB MiniCPM5-2B（2.6B 稠密、131k 上下文、Apache 2.0）：在 Intelligence Index v4.2 得 15，为参数量低于 4B 的开源权重模型最高；智能体相关 GDPval-AA / τ³-Banking 表现突出，但 Terminal-Bench 等编码榜相对落后。
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