Perceive Beating AI News Flash: Вскоре после релиза Gemini 3.8 Flash компания Google набрала 73,7% в бенчмарке DeepSWE v1.1. В официальной таблице лидеров DeepSWE в настоящее время отображается результат 74%±1%, что выше показателей Claude Opus 5 и GPT-5.6 Sol. Спустя несколько часов Meta анонсировала Muse Spark 1.3 с результатом 75,4% на том же наборе тестов DeepSWE, увеличив публичный рекорд еще на 1,7 процентных пункта.

Данное тестирование включало в себя автономное выполнение Агентом долгосрочных задач по разработке программного обеспечения в 113 реальных репозиториях кода. И Google, и Meta использовали mini-swe-agent, при этом Google запускала модель в режиме high inference, а Meta — в режиме max. Предыдущее поколение от Meta, Spark 1.2, набрало всего 55,0%, продемонстрировав на этот раз прямой прирост на 20,4 процентных пункта. Тем не менее результат Meta в 75,4% пока еще не внесен в официальную таблицу лидеров DeepSWE.

В рейтинге Artificial Analysis Coding Agent Index предварительная ограниченная версия Spark 1.3 max получила 68 баллов, расположившись чуть ниже Claude Opus 5; доступная на данный момент публичная версия xhigh набрала 64 балла.