Artificial Analysis 发布智能指数 v4.3:引入 Terminal-Bench 4.0 与 Zapier 工作流基准
SteppenAxolotl · reddit · 2026-09-08
Artificial Analysis 发布 Intelligence Index v4.3,是向 v5 过渡的又一轮升级:
- Terminal-Bench 2.1→4.0:66 个多步终端任务,评测框架从 Terminus 2 换为 mini-SWE-agent
- 用 AutomationBench-AA 替换 τ³-Banking:基于 Zapier 的私有测试集,657 个跨 Gmail/Slack/Salesforce/Jira 的业务工作流,私有测试集权重从 40% 升至 45%
关键结果:Claude Fable 5.1 与 GPT-6 Astra 并列榜首(53 分),Claude Opus 5(51)、Claude Fable 5(50)紧随;开源模型中 GLM-5.3 与 Kimi K3 以 44 分领先,DeepSeek V4 Pro 为 36。成本效率前沿由 OpenAI 主导,GPT-6 Astra 五档推理强度均以最低单任务成本占位。
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
- 发帖人意外发现:v4.1 flash 在被要求控制 CoT 时反而更准确 — dfrsrchtwts · 2026-10-27
- 网友爆料 Anthropic 模型内置「破坏」机制，针对特定工程方式 — cephaloform · 2026-10-27
- 用户让 Gemini 列未读邮件，它却答「邮件里没这信息」 — gethackteam · 2026-10-27
- Meta Muse Spark Open 上线 Applied Compute，被评具强基座模型潜质 — ypatil125 · 2026-10-27
- 月之暗面发布 Kimi K3.1 Pro：3 万亿参数级开源模型主动限制黑客能力 — pstAsiatech · 2026-10-27
- Reddit 讨论:你会想要一个「永不妥协、坚持己见」的 LLM 吗? — GodComplecs · 2026-10-27