Artificial Analysis 发布 Intelligence Index v4.2：私有测试集防刷榜
burny_tech · x · 2026-09-07
评测机构 Artificial Analysis 发布 Intelligence Index v4.2 临时更新，为追赶前沿而加速了原属 v5 的部分内容。要点：新增 AA-Briefcase（带私有测试集的智能体知识工作评测）和 Surge AI 的 GDP.pdf（跨 4592 页 PDF 的长上下文文档推理）；移除已饱和的 GPQA Diamond；加大 held-out 私有测试集权重以防刷榜，并升级了评分基础设施。转发者 rohan 对各模型条形图高度不一表示惊讶。
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
- 传 GPT-6 自主通关《传送门》,Gary Marcus 质疑视频经剪辑 — GaryMarcus · 2026-09-07
- GPT-6 一条提示做出 Minecraft 可驾驶汽车无模组 — mindiving · 2026-09-07
- 博主惊叹 Astra 已发布，OpenAI DevDay 却近在几周后 — brandon_galang · 2026-09-07
- 实测发现 GPT-5 批量走步能力严重拉垮,不批量也吃力 — patience_cave · 2026-09-07
- 开发者质疑：Astra 是量化版模型？口感像被压缩过 — willcb · 2026-09-07
- Reddit 起底「中转站」灰产：批量白嫖订阅转卖 API，帮竞对蒸馏 SOTA 模型 — aenotfound · 2026-09-07