Arena 分析 Code Arena 榜单：顶级模型得分提速3倍，同性能价格降至4月的1/20

Arena 更新 Image-to-WebDev 排行榜，纳入四个新评测模型。GPT-6 Astra (Max) 以 1733 分居第一，领先 GPT-5.6 Sol (xHigh) 129 分；Claude Fable 5.1 (Max) 以 1710 分排第二，Muse Spark 1.3 (Max) 1645 分第四，GLM-5.3-Flash 1588 分第十。

Arena Conversations：@krea_ai 联合创始人兼 CEO @viccpoes 分享了他的看法——为什么 AI 生成的作品会让人感觉重复。 一些图像模型学到了对“好看”的狭隘定义，然后不断复制它。 在推文串中观看与 @petergostev 的完整访谈。

在多图编辑竞技场（Multi-Image Edit Arena）中，@krea_ai 凭借最新发布的 Krea 3 Ultra 位列实验室总排名第 3。 联合创始人兼 CEO @viccpoes 刚刚与 @petergostev 对话，讨论了： - Krea 一支 7 人团队如何训练出在 Arena 上名列前茅的模型 - 数据整理与创意方向 - 如何平衡图像质量、速度与成本 - Krea 在专用模型和开源发布方面的计划 在我们的 YouTube 上观看完整对话： https…

Pangram 的 CEO Max Spero——也是 TIME 评选的 AI 领域百大影响力人物之一——刚刚做客 @petergostev 的节目，聊 AI 检测。 @max_spero_ 解释了 Pangram 的训练过程：合成镜像、模型家族指纹、AI 辅助写作、图像检测，以及针对 AI 去痕工具的鲁棒性。他们还谈到团队如何选择基础模型、寻找困难的训练样本，以及构建数据和基础设施来跟上新 AI 模型的步伐。 完整对话见推文串。

今天在 @tbpn 上收听 @ml_angelopoulos 带来的另一期 Arena Alignment Index 解读

独立评估至关重要。

Claude Sonnet 5.5 和 GPT-6.1 Sol 能否以 Fable、Opus 或 Astra 成本的一小部分，交出强劲的结果？ 我们刚刚在多个提示词上对它们进行了并排测试，追踪每一代模型的实际成本，并将结果与各自实验室的更大模型进行对比。 结果来自 @petergostev，详见我们的 YouTube。 https://youtu.be/r0ymhRtcTeI?si=hyomPcmon3yHLo6h

UC Berkeley Sky Computing Lab 的 @melissapan 对比了 Claude Code、Codex 和 Pi 三款编程智能体，研究模型外围系统带来的"harness 税"如何影响成本与性能。她发现 harness 选择对成本的影响大于对准确率的影响，并共报告三项意外发现。完整视频探讨了如何在现实预算下构建实用的编程智能体。

Arena 宣布 Grok 4.7 (xHigh) 进入 Agent Arena 榜单第16位，净改进分 +3.96%。

GPT-6 Luna (Max) 以 1593 分位列 Arena Code Arena: WebDev 榜单第 24 名，比 GPT-5.6 Luna (xHigh) 高 74 分（后者现列第 41）。