#arena-ai

Arena.aiはCode Arena WebDevでClaude Opus 5.5（Max）を1,818ポイントで首位とし、GPT-6 Astra（Max）を26ポイント、Opus 5（Max）を126ポイント上回った。Claudeは、このモデルが大半のタスクでClaude Fable 5.1と同等の水準で、運用コストはOpus 5より40%低いとしている。

Tencent Hy、AIで作ったウェブアプリ向けWebCraftBenchを発表

WebCraftBenchは、エージェントに稼働中のアプリを使わせたうえで、見た目、使いやすさ、元の依頼を満たしたかを採点する。Tencent Hyは、検証済み197組で人間の好みとの一致が85.3%だったと報告している。

Arena.ai、Qwen-Image-2.1をImage EditとText-to-Imageでオープンソースモデル首位に

Arena.aiは、両アリーナでQwen-Image-2.1をオープンソースモデルの首位に置いている。Image Editでは1,367点で総合16位となり、15位のGPT-Image-1.5-high-fidelityに3点及ばない。

Arena.aiによると、GPT-6 SolとGPT-6 Lunaのスコアは近日公開

OpenAIの2モデルはArenaで試すことができ、実世界のエージェント型タスクへの投票がリーダーボードに反映される。Arena.aiによると、petergostevは同一のプロンプトと最大推論設定でGPT-6 SolとGPT-5.6 Solも比較している。

Arena.aiがGPT-6 SolとGPT-6 LunaをAgent ArenaとCode Arenaに追加

OpenAIのGPT-6 SolとGPT-6 Lunaは、Arena.aiのAgent Arenaで試せるようになり、スコアは今後公開される。Code ArenaではWebDev、Text、Vision、Search、Documentでも利用できる。OpenAIは、両モデルがGPT-6 Astraを基盤にしており、API価格はGPT-5.6のプロモーション価格より50%低いと述べている。

Qwen-Image-2.1がArena.aiのText-to-Image Arenaでオープンモデル首位

Arena.aiはQwen-Image-2.1に1,228点を与え、オープンモデルで首位、総合17位とした。Gemini-3-pro-image-previewには4点、GPT-Image-1.5-high-fidelityには11点及ばない。