В недельном обзоре BenchLeader за 19–25 октября изменились оценки и новых, и давно выпущенных моделей. Главное ограничение: небольшая разница в сводном индексе ещё не означает надёжного преимущества в конкретной задаче.

Muse Wonder Full: 70,6 балла и третье место среди конфигураций

Оценка Muse Wonder Full выросла с 68,6 до 70,6. В проверенной карточке максимальная конфигурация занимает третье место среди 785 конфигураций. В недельной пятёрке рядом находятся Gemini 4 Argon с 70,7 и Claude Fable 5.1 с 70,5.

Объявлять победителя по этим десятым долям нельзя: у Muse Wonder Full указан диапазон неопределённости ±8,7. Новость здесь — изменение сводной оценки, а не доказанное превосходство над соседями и не повтор сообщения о включении модели в Arena.

Magistral Medium: рост до 41,8 балла

Исходная Magistral Medium, не версия 1.2, поднялась с 39,4 до 41,8 балла. Недельный обзор указывает прибавку 2,4 пункта; карточка подтверждает текущую оценку 41,8 ±5,8 и место 617 среди 785 конфигураций. Последнее измерение датировано 22 октября.

Это заметный сдвиг внутри таблицы, но широкий диапазон неопределённости не позволяет уверенно объявлять выигрыш у близких соперников.

Gemini 1.5 Pro: крупнейший недельный рост

Самую большую прибавку недели источник приписывает Gemini 1.5 Pro: с 42,4 до 46,1 балла, на 3,7 пункта. Одновременно Beam 1.0 снизилась с 54,6 до 51,2, а DeepSeek V3.1 — с 51,2 до 48,1.

Эти движения относятся к сводному индексу агрегатора. Новые результаты и изменения базы сравнения могут пересчитать положение давно выпущенной модели без обновления её весов или сервиса. Поэтому таблица полезна как повод проверить собственные задачи, но сама по себе не доказывает, что модель внезапно стала умнее или хуже.

Числа голосов и отзывы в исходных находках не указаны; порядок материала отражает значимость изменений, а не популярность публикаций.