Die SWE-Atlas-QnA-Bewertung wurde überarbeitet und heißt jetzt SWE-Atlas-QnA-AA. Scale AIs 124 Repository-Q&A-Aufgaben bleiben unverändert. Wir haben 127 der 1,306 Rubrikkriterien umformuliert, um konsistentere Urteile zu erzielen, und sind zu GPT-6 Luna (xhigh) als Richter gewechselt, mit fünf Stimmen pro Kriterium.
Muse Code mit Muse Wonder Full (max) führt mit 68.8 %, gefolgt von Claude Code mit Claude Fable 5.1 (max with fallback) mit 66.4 %, Claude Code mit Claude Opus 5.5 (max) mit 65.9 % und Claude Code mit Claude Sonnet 5.5 (max) mit 64.2 %. Über die 21 Konfigurationen, die auf beiden Index-Versionen bewertet wurden, sinkt der mittlere Score um 1.7 Punkte, wobei 14 von 21 abwärts gehen.