Свежие таблицы Arena от 1 июля показывают не смену абсолютного лидера, а плотную борьбу за нижнюю половину первой десятки. Сразу три модели зафиксировали продвижение в разных текстовых срезах, и это полезнее многих громких анонсов: видно, где именно растут реальные позиции, а не только общий шум вокруг моделей.

Gemini 3.1 Pro Preview вошла в десятку по следованию инструкциям

В рейтинге по следованию инструкциям модель заняла 9-е место с результатом 1481. Она оказалась прямо перед Claude Sonnet 4.6 и вытеснила GPT-5.4 High на 11-ю строчку. Это важное движение не в узкой нише, а в одном из самых понятных для практики срезов: насколько хорошо модель держит задачу, ограничения и формулировку запроса.

Источник: Arena

muse-spark пробилась в первую десятку сложных запросов

В срезе сложных запросов muse-spark заняла 9-е место с результатом 1504. Выше неё сейчас только Gemini 3.1 Pro Preview на 8-й позиции, а ниже осталась Claude Sonnet 4.6 на 10-й. Для muse-spark это заметный сигнал: модель закрепляется не только в общих обсуждениях, но и в более требовательном сегменте, где хуже прощаются слабые ответы на тяжёлые формулировки.

Источник: Arena

qwen3.7-max-preview вошла в десятку математического рейтинга

В математическом срезе qwen3.7-max-preview поднялась на 10-е место с результатом 1492. На вершине этой таблицы разрыв между Claude Opus 4.6 Thinking и Claude Fable 5 составляет всего один балл, но практическая новость здесь в другом: у Qwen теперь есть ещё одна точка входа в первую десятку за пределами кодовых и смежных обсуждений. Это расширяет картину её текущего рывка по нескольким рейтингам сразу.

Источник: Arena

Главный вывод дня простой: давление на первую десятку идёт сразу с нескольких сторон, и борьба всё чаще разворачивается не только между привычными лидерами, но и вокруг мест с 8-го по 11-е. Для тех, кто следит за бенчмарками не ради красивых афиш, а ради реального движения сил, это как раз тот тип изменений, который стоит записывать отдельно.