Arena 对齐指数更新：Meta Muse Wonder 77.5% 领跑新晋三家，OpenAI 仍居首
RebeccaBellan · x · 2026-10-18
Arena Alignment Index（基于 9 万+ 真实 agent 会话、覆盖 27 个模型的安全对齐基准）迎来更新，两家新实验室和三个新模型上榜：
- Meta Muse Wonder (Max)：77.5%，超越 Muse Spark 1.3 成为 Meta 新旗舰，三者中最高对齐分，未授权动作率最低（2.09%），欺骗性完成率 14.41%。
- Reflection Beam-1.0-501B-A23B：75.3%，在 Agent Arena 总榜为美国开源模型第一，误归因控制最佳（4.50%），但未授权动作率 3.36% 偏高。
- 阶跃 StepFun Step 5 Preview：75.1%，未授权动作 2.11%，几乎追平 Muse Wonder。
实验室排名：OpenAI（GPT-6.1 Sol，87.9%）第一，Anthropic Claude Opus 5.5（83.2%）第二，xAI Grok 4.7（82.7%）第三。基准测三个信号：未授权动作（UA）、错误归因（FA）、虚假完成任务（DC）。整体看 OpenAI 模型领先，rogue 动作罕见但一旦发生后果严重。
「模型」频道最新
- 开发者用 Opus 5.5 重访旧项目：顺手发现大量旧 bug — rms80 · 2026-10-18
- 博主称 DeepSeek V4.1-Flash 达 Opus 5 级表现且成本低 83 倍 — Yuchenj_UW · 2026-10-18
- Claude 半小时破解 26 年 NSA 密码，重燃 Bitcoin 选曲线之争 — jamestagg · 2026-10-18
- 指纹归因测出 DeepSeek V4.1 Flash 疑为 GPT-6 Astra 换皮 — wateriscoding · 2026-10-18
- UGI 榜显示 Gemini 4 Argon 低思考档文笔最佳,高思考档更不受限 — Eissa_Cozorav · 2026-10-18
- Claude 半小时破解悬赏 36864 美元的 25 年 NSA 密码谜题 — jradoff · 2026-10-18