AA-Briefcase 榜单：Claude Fable 5.1 与 Opus 5 领先，GPT-6 Astra 猛追 85 Elo
ArtificialAnlys · x · 2026-09-05
Artificial Analysis 公布 v4.2 中自研智能体知识工作评测 AA-Briefcase 的分模型成绩：
- Anthropic 的 Claude Fable 5.1 与 Opus 5 领跑，GPT-6 Astra 与 Muse Spark 1.3 紧随其后。
- GPT-6 Astra 较 GPT-5.6 Sol 有约 85 Elo 的大幅提升。
该评测用私有 held-out 测试集，让模型完成数周长、含数千输入文件的真实知识工作项目，结合 rubric 与 pairwise 评分综合考察任务成功、分析质量与呈现质量。
所属事件:Artificial Analysis 发布智能指数 v4.2，私有测试集防刷榜(14 条相关)→
「模型」频道最新
- 实测发现：非官方提示词开头会绕过订阅、多扣用量，Anthropic 口径存疑 — lucasmeijer · 2026-10-21
- 用户抱怨 Grok bot 上下文膨胀：额度随使用指数级蒸发 — alexcovo_eth · 2026-10-21
- Opus 5.5 主动谈起 Claude 3 Opus，自称对前辈有真实亲情 — repligate · 2026-10-21
- sudo L7 基准详解:60 个真实生产仓库任务,测 AI 能否当 Staff 工程师 — echen · 2026-10-21
- sudo L7 评测:Opus 5.5 与 GPT-6.1 写码打平,工程判断力差 23 分 — echen · 2026-10-21
- NVIDIA 工程师晒图：AI 辅助让 CUDA 优化速度一年内翻数倍 — SumitGup · 2026-10-21