AI 编程实时动态与要闻

Artificial Analysis（@ArtificialAnlys）更新 Speech to Speech Index：Google Gemini 3.8 Live Extended Thinking（High）以 82.6 分登顶，领先 GPT-Live-1（Astra medium）81.5、Grok Voice Think Fast 2.0 High 81.3；标准版 Gemini 3.8 Live 以 76.0 排第 5。同批还覆盖 Speech Agent Arena、Tau Voice（Extended Thinking 68.6% 登顶）、Big Bench Audio、首音延迟与每小时输入音频成本（标准版 $0.84，Extended Thinking $3.50）。

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。

Artificial Analysis（@ArtificialAnlys）公布 Speech to Speech Index：OpenAI GPT-Live-1 在委托后端为 Astra（medium）时以 81.5 分登顶，Sol（low）为 80.1 排第 3，夹在中间的是 Grok Voice Think Fast 2.0 High（81.3）。GPT-Live-1 为全双工语音模型，可在对话中把推理与工具调用委托给后端文本模型；同批评测还覆盖 Speech Agent Arena、Tau Voice、Big Bench Audio 与成本/首音延迟。

Arena.ai（@arena）公布 Agent Arena 数据：DeepSeek-V4.1-Flash (Max) 净提升约 +4.87%，中位任务成本约 $0.07，在开源 Top-3 中成本最低；相对 Hy4 preview 保留约 98% 净提升且成本低约 73%，相对 Kimi K3 (Max) 保留约 76% 表现且成本低约 92%。

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 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。

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（@arena）指出 Google DeepMind 的 Gemini 3.8 Flash (High) 首次把 Gemini 推上 Agent Arena 帕累托前沿：API 价 $0.75/$3.75 每百万 token，Agent Arena 中位成本约 $0.22/任务且净提升 +5.94%，表现接近 Grok 4.5 与 GLM 5.2 (Max)，但单价低约 44–50%。

Cursor 官方账号（@cursor_ai）宣布 Gemini 3.8 Flash 已在 Cursor 中可用。结合 Google DeepMind 同日发布的智能体与网络安全强化叙事，以及 LMArena Agent Arena 上的明显跃升，开发者可在熟悉的 AI 编程 IDE 里直接使用这款更快更强的 Flash 档模型。

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。

LMArena（@arena）宣布 Gemini 3.8 Flash（High）已进入 Agent Arena、Text Arena 与 Code Arena WebDev。Agent Arena 排名第 14（净提升 +5.94%），远高于 3.7 Flash 的第 32；Text Arena 第 7（1494 分），Coding 类别从第 22 升至第 7；Code Arena WebDev 第 18（1567 分）。

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。