#Anthropic

Arena.ai@arena· 02:15AI 评分6363

Kimi K3.1 Pro 在 Code Arena: WebDev 评测中以 1692 分升至第 8 名，比前代 Kimi K3 提升 37 分。该模型定价为每百万输入/输出 token 2 美元/10 美元，各项分类成绩均有提升，且后续将推出开源权重版本。

Artificial Analysis@ArtificialAnlys· 01:43AI 评分6262

DeepSeek V4.1 Flash 1017 以 57% 的总分登顶 Artificial Analysis Cyber Index 开放可用模型榜首，位列所有模型总榜第二。该模型在 CyberGym-E2E-AA 任务上表现显著提升，每任务成本为 $0.42，展现出较强的性价比。

meng shao@shao__meng· 23:19AI 评分5555

Artificial Analysis 发布 Coding Agent Index v2.0，引入 FrontierCode v1.1 并升级评测标准，当前由 Claude Code + Opus 5.5 以 61.7 分领跑。榜单综合三套基准，前四名中 Claude 相关组合占三席，首个 OpenAI 组合 Codex + GPT-6 Astra 位列榜单前列。

Artificial Analysis@ArtificialAnlys· 02:32AI 评分6464

Artificial Analysis 宣布 CritPt v2 基准正式上线，GPT-6 Astra（max）以 83% 的得分居首。

Artificial Analysis@ArtificialAnlys· 20:56AI 评分2828

在 AA-PersonalityBench 中，Anthropic 模型通常是所有被测模型中最具信息密度和读写能力的 ➤ 信息密度最高：Claude Fable 5.1 (100)、Claude Opus 5.5 (97)、Claude Sonnet 5.5 (95) 和 Claude Haiku 5.5 (92) ➤ 读写能力最高：Claude Haiku 5.5 (100)、Claude Opus 5.5 (97) 和 Claude Fable 5.1 (95)

Artificial Analysis@ArtificialAnlys· 10:33AI 评分5656

Artificial Analysis 对比了 14 个模型在 MLCR-AA 与 HealthBench Professional 医疗基准上的表现，发现 Anthropic 模型在回答完整性和原始得分上领先，而 OpenAI 模型在准确性和简洁性上更具优势。

ARC Prize@arcprize· 03:53AI 评分3131

来自 @AnthropicAI 的 Claude Sonnet 5.5 在 ARC-AGI（已验证）上的表现： - ARC-AGI-3: 72.4%, $8.2K（provider adapter harness）, 24.3%, $7.4K（standard harness） - ARC-AGI-2: 83.9%, $0.55/task - ARC-AGI-1: 96.5%, $0.14/task Sonnet 5.5 在 ARC-AGI-3 上取得了 72.4% 的高分，备受瞩目。

Artificial Analysis@ArtificialAnlys· 01:45AI 评分5757

Artificial Analysis 推出的全新基准测试 AA-PersonalityBench 显示，GPT-4o、Llama 4 Maverick 和 GPT-3.5 Turbo 的谄媚度排在最高的前列，而 Grok 4.7、Claude Fable 5.1 和 Inkling 的排名最低。

Artificial Analysis@ArtificialAnlys· 00:25AI 评分5555

Artificial Analysis 更新了 MLCR-AA 医疗长上下文推理榜单并优化了评测方法，Claude Sonnet 5.5 与 GPT-6 Astra 以 41.7% 的得分并列榜首。评测显示医疗记录审查远未解决，Anthropic 模型在完整性上领先，而 OpenAI 模型在准确性上占优。

Artificial Analysis@ArtificialAnlys· 13:29AI 评分6262

Artificial Analysis 对采用 Claude Opus 5.5 (max) 搭配 GPT-6 Luna (high) 辅助模型的 Devin Fusion CLI 进行了评测，其在 Coding Agent Index 上得分 68.1。

MiniMax (official)@MiniMax_AI· 02:46AI 评分2828

连兔子都停下来观看。🐰🚀 很高兴看到 @higgsfield_ai 用 MiniMax M3.1 Flash 创作的内容。

Arena.ai@arena· 08:26AI 评分3131

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

Artificial Analysis@ArtificialAnlys· 07:38AI 评分5858

Artificial Analysis 正式上线 HealthBench 与 HealthBench Professional 医疗对话基准排行榜，对多款前沿大模型在真实医疗对话中的表现进行了独立评测。

Claude@claudeai· 03:59AI 评分2828

Haiku 5.5 写了二十首俳句，然后用 JavaScript 绘制了每一帧。

小米 MiMo-V2.6-Pro 在 FrontierCode 1.1 评测中位列开源模型首位

小米 MiMo-V2.6-Pro 在 Artificial Analysis 推出的 FrontierCode 1.1 编码评测中以 45% 的得分领跑开源权重模型。该评测由 Cognition 开发，通过要求智能体在真实开源仓库中完成任务并达到维护者可合并标准，评估模型在单元测试及代码质量方面的综合表现。

Agent Arena 数据显示 7 月最强模型 Claude Fable 5 性能已降至平均水平

Agent Arena 的 Confirmed Success 追踪数据显示，7 月领先的 Claude Fable 5 在 12 周内已被 Top 20 模型平均水平追平。

Artificial Analysis 推出 FrontierCode 1.1 编码评测榜单

Artificial Analysis 上线了基于 Cognition 开发的 FrontierCode 1.1 编码评测榜单，该评测要求智能体在真实开源仓库中完成任务并达到维护者合并标准。评测包含 100 个任务，Claude Opus 5.5 以 52% 的得分领先，GPT-6.1 Sol 则以较低成本实现了 49% 的性能表现，且目前领先模型在超过 40% 的任务中仍无法通过合并标准。

Meta 发布 Muse Wonder 系列模型

Meta 发布 Muse Wonder 系列前沿模型，主打个人与专业智能体工作。其中顶配版 Full 在 14 项公开基准测试中，有 8 项表现超过 Claude Opus 5.5，特别是在 SWE-Marathon 工程测试及 Harvey 法律智能体基准中表现出显著优势。

Arena 公布 2026 年第 41 周大模型周榜：Claude Opus 5.5 Max 首登智能体榜首

Arena 平台发布 2026 年第 41 周大模型排行榜，Anthropic 的 Claude Opus 5.5 (Max) 首次入榜智能体榜即以 15.53% 的净提升度登顶，其任务确认成功率为 17.29%，工具幻觉率仅 0.37%。

Anthropic 发布 Claude Haiku 5.5 模型

Anthropic 发布 Claude Haiku 5.5，这是其一年来首个 Haiku 系列更新，支持 1M 上下文并首次引入努力程度设置与自适应推理。该模型定价对标 GPT-6 Luna，旨在作为 Opus 或 Sonnet 的子智能体处理高频任务，同时 Anthropic 还下调了 Sonnet 5.5 的缓存读取价格并更新了 SDK 以支持自动化工具链。

Anthropic 发布 Claude Haiku 5.5 模型

Anthropic 发布 Claude Haiku 5.5，这是其迄今速度最快、成本最低的小型模型，运行成本较前代降低约 75%，并首次支持可调节努力程度设置。同步更新包括 Claude Sonnet 5.5 缓存读取价格减半，以及为 Max 和 Team 订阅用户提供每月 API 额度，支持开发者构建智能体应用。

Anthropic 发布 Claude Sonnet 5.5 模型

Anthropic 发布 Claude 5.5 系列的第二个模型 Claude Sonnet 5.5。该模型相比 Sonnet 5 运行速度提升 30% 以上，在编码、知识工作及长周期任务中表现显著增强，且在多项基准测试中性能接近 Opus 5.5。Sonnet 5.5 现已在各平台上线，并首次在 Sonnet 系列中引入了网络安全防护机制与防蒸馏安全分类器。

Anthropic 发布 Claude Opus 5.5 模型

Anthropic 推出 Claude 5.5 系列首款模型 Claude Opus 5.5，在 Agent 编码、计算机使用及知识工作任务中表现领先。该模型运行成本较 Opus 5 降低 40%，推理速度提升超 30%，并具备更自然的沟通风格。此外，Opus 5.5 引入了更严格的自动化行为审计与安全防护措施，目前已在各主流云平台上线。