Arena 评测显示 Meta Muse Ember (Max) 以 1608 分登顶 Code Arena WebDev 小模型

Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分。

Arena 宣布 Claude Opus 5.5 (Max) 以 1818 分登顶 Code Arena: WebDev，领先第二名 GPT-6 Astra (Max) 26 分，比 Opus 5 (Max) 的 1692 分高出 126 分。

Arena 宣布 Meta 的 Muse Ember (Max) 进入 Code Arena: WebDev，以 1608 分成为榜上最高分小模型，超过 Claude Haiku 5.5 (High) 的 1595 分和 GPT-6 Luna (Max) 的 1578 分。三者 API 定价同为 $0.10/$0.50 per million tokens，但 Ember 中位成本 $0.03/task，低于 Luna 的 $0.06 和 Haiku 的 $0.11，处于 …

Agent Arena 统计近 14 天近 30000 个任务运行超过一小时，平均模型每小时发起 332 次工具调用。长程任务上模型选择最多可省 66% 成本：Gemini 4 Carbon 每小时任务中位成本 $10.51，Claude Opus 5.5 为 $21.13，GPT-6 Astra 为 $31.08。

Arena 基于 Agent Arena 数据称，Google DeepMind 的模型在成本上扩展性更好，Gemini 4 Carbon 是典型代表：典型任务上 GPT-6 Astra 成本为其 3.4 倍、Claude Opus 5.5 为 3.9 倍，GPT-6.1 Sol 约为其一半（0.54 倍）。

Arena 在 Agent Arena 上公布，OpenAI 的 GPT-6.1 Sol (Max) 每任务成本 $1.91，比第一名 Claude Opus 5.5 (Max) 的 $12.51 低 85%，比 GPT-6 Astra (Max) 的 $14.93 低 87%。

Arena 发布 Gemini 4 Carbon 预览版的早期实测视频，由 @petergostev 用 3D 生成、创意提示词、可视化讲解和 UI 任务对该模型进行了长时间测试，对比对象包括 Gemini 4 Argon、Claude Opus 5.5、GPT-6.1 Sol、Muse Wonderful、Kimi 和 DeepSeek。

我们刚刚对 @AIatMeta 的 Muse Wonder 和 Muse Wonder Full 进行了测试，涵盖 3D 场景、动画 HTML 片段以及多个网站构建。 观看 @petergostev 将这两款模型与 Claude Opus 5.5、Sonnet 5.5、Fable 5.1、GPT-6.1 Sol、GPT-6 Astra 和 Gemini 4 Argon 进行对比。 https://www.youtube.com/watch?v=limOMzWqoeU

观看 @petergostev 对 @AIatMeta 的 Muse Wonder（Max）进行测试，涵盖一次性 3D 场景、动画 HTML 和前端设计。 他将其与 Astra、Opus 5.5、GPT-6.1 Sol、Claude Sonnet 5.5、Fable、Kimi 和 Mistral 进行对比，并附上了每次生成的费用。 Muse Wonder 的 Arena 评分即将公布。敬请关注，同时可以先看看 @petergostev 的第一印象。 https://www.…

Agent Arena 按解决跨领域问题的智能体能力对模型排名，Anthropic 模型在 Code、Work、Chat 三个领域均居第一，OpenAI 的 GPT 6 Astra (Max) 三项全部进入前四（Code 第 2，Work 与 Chat 均第 4）。