Arena расширила состав сравниваемых моделей, но новые участники пока не означают новых победителей. В собранных объявлениях подтверждено включение в сравнение, а не конкретные места или превосходство над соперниками.

Claude Haiku 5.5 добавлена в сравнение агентов

14 октября в сравнении агентов Arena появилась Claude Haiku 5.5 с высокой глубиной рассуждений. Это расширяет набор моделей Anthropic для оценки многошаговой работы за пределами уже добавленных Sonnet и Opus. Числовой результат и позиция в соответствующей записи не приведены; проверить живую таблицу при сборе материала помешала защитная проверка сайта.

Meta Muse Wonder стала новым участником

В тот же день к сравнению агентов присоединилась Muse Wonder в максимальном режиме. Это отдельная новая модель Meta, а не повторная запись о Muse Spark. Из факта включения нельзя сделать вывод, что она обошла Muse Spark или заняла определённое место.

Arena изменила оценку надёжности командной строки

12 октября площадка пересмотрела показатель, прежде оценивавший восстановление после ошибок командной оболочки, и переориентировала его на надёжность работы с командами. Изменились и обнаружение сбоев, и преобразование этих сбоев в итоговую оценку.

Arena прямо предупреждает о сдвигах у многих моделей и обещает опубликовать пересчитанные исторические результаты в открытых наборах данных на Hugging Face. Поэтому движение позиции через эту границу прежде всего требует проверки методики: оно ещё не доказывает, что модель стала лучше или хуже.

Claude Fable 5.1 вошла в расширенный состав поискового сравнения

13 октября поисковая таблица Arena пополнилась сразу восемью моделями и режимами: Claude Fable 5.1 с высокой глубиной рассуждений, Qwen3.8 Max, Claude Opus 5 с высокой глубиной, GPT-6 Astra в максимальном режиме, GPT-6.1 Sol в максимальном режиме, Claude Opus 5.5 со средней глубиной, GPT-6 Sol и GPT-6 Luna в максимальных режимах. Это заметно расширяет круг сравнения относительно ранее описанных Fable и GPT-5.6, но запись не сообщает, кто из новых участников вышел вперёд.

GPT-6.1 Sol добавлена в сравнение агентов

Ещё 2 октября GPT-6.1 Sol в максимальном режиме вошла в сравнение агентов вместе с Claude Sonnet 5.5 в максимальном режиме. Для OpenAI это расширение представительства после более раннего появления GPT-6 Astra. Подтверждён новый участник, а не победа в прямом сравнении: оценки в записи нет.

Даты и состав изменений зафиксированы в официальном журнале Arena. Числа голосов и пользовательские оценки в исходных материалах не указаны, поэтому порядок здесь отражает свежесть событий и их значение для чтения результатов, а не популярность. Главный практический вывод: отделять расширение состава моделей от смены лидера, а пересчёт показателя — от реального улучшения системы.