В свежих таблицах есть перестановка среди локальных моделей, недельный рост Gemini и пересмотр агентных оценок. Общая оговорка: речь идёт о данных агрегаторов, а не о едином независимом испытании.

GLM-5.3-Flash заняла четвёртое место вместо DeepSeek V4 Flash

В обновлении thinQit за 25 октября GLM-5.3-Flash поднялась с пятого на четвёртое место среди локальных моделей и моделей с открытыми весами. DeepSeek V4 Flash переместилась с четвёртого на пятое.

При этом обе оценки в опубликованной таблице округлены до 70,2: такая запись не позволяет говорить о существенном преимуществе. В обновлении за 26 октября порядок сохранился, с оценками 70,3 у GLM и 70,1 у DeepSeek. По объяснению источника, GLM выигрывает в оценках человеческих предпочтений, тогда как DeepSeek сохраняет преимущества в программировании, агентных задачах и сочетании скорости с ценой.

Gemini 3.7 Flash прибавила за неделю, но дневных перестановок нет

В таблице thinQit за 26 октября Gemini 3.7 Flash находится на 11-м месте с индексом 72,9. За неделю она прибавила 1,5 пункта. Hy4 preview остаётся второй с 78,8 и недельным снижением на 0,1, а Claude Opus 5.5 — первой с 80,4 без недельного изменения.

Источник прямо отмечает отсутствие дневных перестановок. Изменение здесь — недельное сокращение разрыва в составном индексе, а не появление нового лидера. Сам индекс объединяет разные публичные оценки; его не следует воспринимать как результат одного теста.

BenchLeader сообщил о пересчёте оценок LiveBench

В автоматической сводке BenchLeader за 26 октября оценка GPT-6 Astra в браузерных задачах изменена с 84% до 91,3%, а Claude Fable 5.1 — со 100% до 89,8%. В этих опубликованных данных порядок пары поменялся.

В длительных агентных задачах пересмотрены сразу три результата: Claude Opus 5.5 — с 85% до 72,8%, GPT-6 Astra — с 82,4% до 77,5%, Claude Fable 5.1 — с 80,8% до 77,9%. Причина пересчёта в сводке не объясняется. Поэтому корректный вывод ограничен изменением опубликованных оценок: утверждать, что модели обновились или внезапно стали лучше либо хуже, по этим данным нельзя.

Места в таблицах полезны как сигнал для дальнейшей проверки. Для выбора модели важнее смотреть на подходящий тип задач, методику оценки и стоимость работы, чем переносить одну перестановку на все сценарии.