Artificial Analysis 推出 Intelligence Index v4.2，加两个长任务基准
ArtificialAnlys · x · 2026-09-06
评测机构 Artificial Analysis 宣布加速推出 Intelligence Index v4.2，作为 v5 路线图的提前落地。核心变化：
- 新增 AA-Briefcase：长时程智能体知识工作基准，采用私有测试集，防止刷榜；
- 新增 GDP.pdf：跨数千份真实文档的长上下文推理测试；
- 移除 GPQA Diamond：前沿模型已饱和、多选格式不反映真实任务，几乎不再提供区分信号。
加速原因是指数需要真实衡量 AI 能力，才能对开发者的选型决策有用。v5 方向是更接近真实问题解决的长时程任务、更高比例私有测试集与降低饱和度。
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