Artificial Analysis 发布智能指数 v5，开源落后扩至 12 分

10 月 28 日，Artificial Analysis 发布 Intelligence Index v5 并同步上线 Progress Index v1。这是自 1 月 v4 以来最大的一次升级：四大能力维度各占 25% 权重，纳入 9-12 项基准（不同帖表述不一，官方细分帖列出 9 项评测），60% 权重来自私有测试集或保留答案，以对抗数据污染。Claude Opus 5.5 总分登顶，开源权重阵营落后幅度从 v4.3 的 3 分扩大到 12 分。

已确认

• 权重结构：Knowledge Work（25%，含 AA-Briefcase 15%、AutomationBench-AA 等）与其余三大维度各占四分之一；新基准包括 AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0 等，取代 Humanity's Last Exam 的 HLE-Diamond 也纳入其中；新版弃用 GDPval-AA 等公开题库
• 评测更「重」：单任务输出 token 中位数从 35k 涨至 59k；effort 档位影响扩大——Claude Opus 5.5 在 low effort 得 35 分、max effort 得 58 分，单任务成本相差 10 倍（$0.9x 对 $10.04）
• 成本格局：Opus 5.5（max）单任务成本 $10.04，GPT-6 Astra（max）$6.24，GPT-6.1 Sol（max）仅 $1.27 而得分接近；@BorisMPower 转述的帕累托图显示 OpenAI 几乎统治每个价位的「单位价格智能」前沿，唯一例外是最贵顶点
• 开源掉队：榜首 Kimi K3.1 Pro（权重未发布）得 46 分、落后总榜 12 分；已发布权重模型中 DeepSeek V4 系列表现靠前，但在 FrontierCode 2.0 上仍落后 18 分
• 无模型通吃：Opus 5.5 仅在 FrontierCode 2.0（46%）、HLE-Diamond（68%）等 3 项居首，其余 6 项由另外 5 家模型分领；九项评测均留有较大进步空间
• 细分榜：CritPt v2 私有子集从 70 道研究级物理题中剔除 7 个前沿模型五次全解出的 30 道、保留 40 道，GPT-6 Astra 以 72% 居首、开源最好仅 45%；HLE-Diamond 为 CAIS 与 Scale AI 出品的 1000 题精修版，推理与知识题各半，其中知识题比推理题更难倒前沿模型；Terminal-Bench-Science 由 GPT-6 Astra（max）以 63% 领先，多数开源模型不足 10%；FrontierCode 2.0 为 Cognition 新发布的 132 个真实开源仓库任务，以「维护者是否会合并该改动」评分，任何阻断性检查失败即 0 分
• Progress Index v1：把 2022 年 11 月以来所有模型放到同一能力标尺，可跨年比较

尚未确认

• 基准总数在 m1/m2/m4 等帖中为 9 项，m16 称 12 项并列入 GDPpdf 等，官方未在帖中直接澄清口径差异

为什么重要

• 60% 私有/保留数据的权重设计直接回应基准污染这一行业痛点，榜单公信力有望提升，但也意味着外部难以完全复现
• effort 档位首次成为评分的关键变量，同模型分差可达 23 分、成本差 10 倍，「模型得分」与「性价比」需要更细致的解读
• 开源与闭源差距从 3 分扩至 12 分，且在终端科研、代码维护等 agentic 基准上差距更极端，为开源阵营敲响警钟

2026-10-28 ~ 2026-10-28 · 16 条相关

• Artificial Analysis 发布智能指数 v5:四大类 12 项基准重构榜单 — xeophon · 2026-10-28
• 【源头】AA 智能指数 v5 发布:60% 私有数据集,开源与闭源差距扩至 12 分 — ArtificialAnlys · 2026-10-28
• FrontierCode 2.0 榜单:Opus 5.5 得 46%,DeepSeek 领跑开源落后 18 分 — ArtificialAnlys · 2026-10-28
• 终端科研基准洗牌:GPT-6 Astra 63%,多数开源模型得分不足 10% — ArtificialAnlys · 2026-10-28
• HLE-Diamond 榜单:Opus 5.5 得 68%,知识题比推理题更难倒前沿模型 — ArtificialAnlys · 2026-10-28
• AA 评测 CritPt v2 私有子集:GPT-6 Astra 72% 居首,开源最好仅 45% — ArtificialAnlys · 2026-10-28
• v5 无模型通吃:Opus 5.5 拿 3 项第一,另有 5 家模型分领 6 项 — ArtificialAnlys · 2026-10-28
• 开源权重阵营在 v5 掉队:差距从 3 分拉大到 12 分 — ArtificialAnlys · 2026-10-28
• 头部模型单任务成本差 8 倍:GPT-6.1 Sol 仅 $1.27 逼近 Opus 5.5 的 $10.04 — ArtificialAnlys · 2026-10-28
• effort 档位影响扩大:Opus 5.5 低到高成本差 10 倍、分差 23 分 — ArtificialAnlys · 2026-10-28
• v5 榜单任务更重:单任务输出 token 中位数从 35k 涨到 59k — ArtificialAnlys · 2026-10-28
• 【源头】AA 同步推出 Progress Index v1:把 2022 年 11 月以来所有模型放到同一能力标尺 — ArtificialAnlys · 2026-10-28
• 【源头】Artificial Analysis 发布 Intelligence Index v5:四大类九项基准各占 25% — ArtificialAnlys · 2026-10-28
• Artificial Analysis 发布智能指数 v5，Claude Opus 5.5 登顶 — socoolandawesome · 2026-10-28
• AA 智能指数 v5 发布：OpenAI 几乎统治每个价位，唯最贵点失守 — BorisMPower · 2026-10-28
• Artificial Analysis v5 闭源基准：开源模型差距从 3 分扩至 12 分 — steipete · 2026-10-28