Agent Arena 智能体能力榜：Anthropic 与 OpenAI 领跑

来看看 Arena 上由 @AnthropicAI 的 Claude Opus 5.5 和 @OpenAI 的 GPT-6 Sol 生成的并排输出。 @claudeai Opus 5.5 的评分即将公布。来自我们全球用户社区的真实任务驱动着 Arena 排行榜。现在就前往 Arena 体验，敬请期待！

Code Arena WebDev 榜单中，OpenAI 的 GPT-6 Astra Max 以 1，800 分排名第一，Anthropic 的 Claude Fable 5.1 Max 以 1，758 分位列第二。分类别来看，Astra 在数据与分析、消费产品与平台应用、内容创作与编辑工具上领先，Fable 则在模拟、基于参考的设计和游戏类别占优，两者在品牌营销与信息类网站上表现接近。

OpenAI 的 GPT-6 Astra （Max） 以 1800 分位列 Code Arena WebDev 榜首，Anthropic 的 Claude Fable 5.1 （Max） 以 1758 分排名第二。

Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。GPT-6 Sol 和 Luna 价格为此前 GPT-5.6 同级的一半，GPT-6 Luna 低至输入 $0.10/M、输出 $0.50/M；Opus 5.5 定价降 20% 至 $4/$20，缓存读取降 60%。

OpenAI 推出 GPT-5.6 系列，包括旗舰 Sol、平衡型 Terra 和成本最优 Luna。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；中等推理时以约四分之一成本领先 11.4 分。Terra 和 Luna 以约十六分之一成本超越 Fable 5。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创 SOTA，高于 Fabl…

OpenAI GPT-5.6 模型于周四发布。该模型6月底亮相，最初因美国政府限制仅向部分合作伙伴提供，商务部在AI标准与创新中心完成额外测试后批准公开。OpenAI公开批评延迟，称将最佳工具与开发者及企业隔离。新模型Sol在TerminalBench 2.1得分88.8%，Sol Ultra达91.9%，高于Anthropic的Claude Mythos 5（88%）。在网络安全任务中，Sol与Mythos 5水平相当但仅用三分之一的token。Sol定价$5/$30每百…

英国 AI Security Institute 发布对 OpenAI GPT-5.5 早期版本的网络安全能力评测，GPT-5.5 在 Expert 级 CTF 任务上平均通过率 71.4%，超过 Claude Mythos Preview 的 68.6%，并在 10 次尝试中 2 次端到端完成 32 步企业网络攻击模拟 The Last Ones，成为第二个做到的模型。

Meta 的个人 AI 智能体 Muse 据称早期数据超过 ChatGPT，下一步将登陆智能眼镜和一款 Tamagotchi 风格的小设备。Anthropic 发布 Opus 5.5 后仅 90 分钟，OpenAI 就更新了 GPT-6。

Anthropic 发布 Opus 5.5 后仅 90 分钟，OpenAI 便推出 GPT-6 模型更新，但抢走风头的是 Meta。其个人 AI 智能体 Muse 据称增速超过 ChatGPT 早期数据，下一步将登陆智能眼镜和一款拓麻歌子式小型设备。TechCrunch Equity 播客本期讨论了 Meta 的消费级 AI 战略及其对创业公司的影响。

Meta 发布首款 AI 原生 VR 眼镜，搭载 Muse avatar 与眼、手、语音控制，Muse Charm 钥匙扣 12 月发货。OpenAI 将 GPT-6 Sol 和 Luna 推向 ChatGPT Work 与 Codex，API 定价 Sol $2/$10、Luna $0.10/$0.50 每 1M tokens。