Arena 更新 Image-to-WebDev 榜：GPT-6 Astra (Max) 以 1733 分登顶，领先 GPT-5.6 Sol (xHigh) 129 分；Claude Fable 5.1 (Max) 以 1710 分列第二。该榜评测模型从图像到网页开发的交付能力，对新近发布模型给出公开对比。
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。
CoArena（@coastyai，YC S26）发布 CUA KnowledgeBench（Real Company Work）：12 小时跨度、10 个私有真实任务 × 5 个种子、覆盖 100+ 应用，以工作产物通过/失败判定。其花费逾 5 万美元跑前沿模型；Claude Fable 5.1 在 50 次十二小时运行中解决 12 次（24%），GPT-6 Astra 勉强进入前三。下一步将投入逾 20 万美元扩展到 1/3/7 天跨度。
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。
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