تم revised نظام تقييم SWE-Atlas-QnA، وأصبح الآن SWE-Atlas-QnA-AA. مهام الأسئلة والأجوبة من Scale AI عبر 124 مستودعًا لم تتغير. أعدنا صياغة 127 من أصل 1,306 معيارًا للتقييم لضمان أحكام أكثر اتساقًا، وانتقلنا إلى GPT-6 Luna (xhigh) كقاضٍ، بخمسة أصوات لكل معيار.
يتصدّر Muse Code مع Muse Wonder Full (max) بنسبة 68.8%، يليه Claude Code مع Claude Fable 5.1 (max with fallback) بنسبة 66.4%، ثم Claude Code مع Claude Opus 5.5 (max) بنسبة 65.9% وClaude Code مع Claude Sonnet 5.5 (max) بنسبة 64.2%. عبر التكوينات الـ 21 التي قُيّمت على كلا نسختي المؤشر، ينخفض متوسط النتيجة بمقدار 1.7 نقطة، مع تراجع 14 من أصل 21.