xAI расширяет распространение Grok 4.6 через Microsoft Foundry, а параллельно публикует оценки биологических рисков. В той же повестке Meta выводит Muse Spark из гонки тестов в потребительского агента с подключениями к сервисам.
В свежих срезах Arena сразу три заметных движения: Gemini 3.1 Pro Preview вошла в десятку по следованию инструкциям, muse-spark закрепилась в десятке сложных запросов, а qwen3.7-max-preview добралась до десятки математического рейтинга. Это не переворот всего рынка, но важный сигнал, что нижняя половина сильнейших таблиц быстро меняется.
В свежем срезе Agent Arena заметно сразу несколько движений: Anthropic держит вершину текстовых и визуальных таблиц, Meta с muse-spark уже вклинилась в верхнюю группу, а сама площадка открыто объяснила, что теперь меряет не одиночный ответ модели, а поведение агента в более живом рабочем контуре. Ниже — четыре изменения, которые действительно меняют чтение текущих лидербордов.
