SWE-Atlas-QnA 的评分标准已修订，现更名为 SWE-Atlas-QnA-AA。Scale AI 的 124 个仓库 Q&A 任务保持不变。我们重新措辞了 1,306 条评分标准中的 127 条，以获得更一致的判定结果，并改用 GPT-6 Luna (xhigh) 作为评审模型，每条标准进行五次投票。
Muse Code 搭配 Muse Wonder Full (max) 以 68.8% 领先，其次是 Claude Code 搭配 Claude Fable 5.1 (max with fallback) 的 66.4%、Claude Code 搭配 Claude Opus 5.5 (max) 的 65.9% 以及 Claude Code 搭配 Claude Sonnet 5.5 (max) 的 64.2%。在两个 Index 版本上都评估过的 21 个配置中，平均分下降 1.7 分，其中 21 个中有 14 个下降。