Seed-2.0-Mini поднялась на второе место thinQit без роста собственного балла

Перестановка в таблице не всегда означает, что модель научилась решать задачи лучше. Два отчёта за 29 октября показывают, как пересмотр исходных данных меняет расстановку сил. Показателей голосования у находок нет, поэтому порядок редакционный.

thinQit: Seed-2.0-Mini обошла GLM-5.3

В локальной таблице thinQit Seed-2.0-Mini поднялась с третьего на второе место при неизменной оценке 71,7 балла. GLM-5.3, напротив, опустилась со второго на третье: её оценку пересмотрели с 72,3 до 71,1. Лидером этой таблицы остаётся Hy4 preview с 78,9 балла. Здесь рост места Seed объясняется изменением оценки соперника, а не новым результатом самой модели.

В общей передовой группе GPT-5.6 Sol переместилась с девятого на восьмое место, обойдя Muse Spark 1.3 и сохранив 73,2 балла. Эти позиции относятся к другой таблице того же агрегатора: смешивать их с локальным сравнением нельзя.

Самый резкий сдвиг касается Mercury 2.5: индекс изменился с 24,7 до 14,7 после замены показателя скорости выдачи 859,52 на ноль. Причина нулевого значения в предоставленных сведениях не выяснена. Поэтому это повод проверить исходный замер и правила пересчёта, а не объявлять, что модель перестала отвечать.

thinQit объединяет 21 тест из восьми публичных таблиц. Обновление внешнего измерения может изменить итог даже без выпуска новой версии модели.

BenchLeader: Claude Fable 5 поднялась на восьмое место

Дневной отчёт BenchLeader фиксирует обмен местами: Claude Fable 5 поднялась с девятого на восьмое, а Claude Opus 5.5 в режиме особо глубокого рассуждения опустилась с восьмого на девятое. Это сопоставление конкретных режимов, а не всей линейки моделей. Отдельная версия Claude Opus 5.5 max по-прежнему возглавляет приведённую сводку с 69,1 балла.

В SciCode пересмотрены результаты Claude Fable 5.1: в режиме высокой глубины рассуждения — с 57,6% до 58,7%, средней — с 55,3% до 56,4%, низкой — с 55,7% до 56,7%. Эти значения характеризуют конкретный тест и не заменяют общий индекс.

Gemini 4 Carbon добавлена в каталог, но независимых результатов для неё пока нет. Само появление карточки не даёт основания приписывать модели место среди лидеров.

Отчёт BenchLeader сформирован автоматически из обновлений источников и содержит разные агрегированные представления. Корректный вывод здесь узкий: в указанной сводке произошли перестановки. Для выбора модели под рабочую задачу стоит дополнительно изучить отдельные тесты, режимы запуска и условия измерений.