Artificial Analysis 发布智能指数 v4.3,引入私有测试集 AutomationBench
inductionheads · x · 2026-09-08
评测机构 Artificial Analysis 宣布其 Intelligence Index 升级到 v4.3，作为向 v5 过渡的一部分：
- Terminal-Bench 从 2.1 升级到 4.0，完成向最新版本的迁移
- 用 AutomationBench-AA 取代 τ³-Banking：这是基于 Zapier 商业工作流自动化 benchmark 的自实现版本，配有私有测试集，专注 agent 工作流自动化
官方说明每次变更都独立成立，目的是让指数保持对模型能力的有效刻画。引帖评论戏称此举类似 NCAA 在比赛中的操作，但对极客而言是实质更新。
所属事件:Artificial Analysis 智能指数更新至 v4.3(8 条相关)→
「模型」频道最新
- KOL 吐槽 OpenAI 6.1 Sol 被评 B 级:发布策略搞砸了 — Angaisb_ · 2026-10-27
- php2shell 漏洞实测：仅 2/5 前沿模型能完成利用移植，耗时 3.5-6 小时 — xeophon · 2026-10-27
- Qwen Code 发布 v0.26.2 预览版：新增会话权限规则与实验性共享 Agent Loop — qwen-code-review-bot · 2026-10-27
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27