AA 情报指数 v4.3 更新，批评者指榜单仍未覆盖真实能力
CurieuxExplorer · x · 2026-09-08
Artificial Analysis 发布 Intelligence Index v4.3：
- Terminal-Bench 从 2.1 升级到 4.0，完成向最新版本的迁移；
- 用自建的 AutomationBench-AA（基于 Zapier 业务工作流自动化的 benchmark，含私有测试集）替换 τ³-Banking；
- 这是向 Intelligence Index v5 演进的中间步骤。
转发者 IamEmily2050 认为仍不够：许多模型成绩因过拟合而高于真实水平；榜单还需加入 Blender、CAD、Adobe 等创意工具任务、更多真实工程问题、空间推理与计算机操作；数据需保持私密。举例称多数模型能生成 10 页 PDF，但要求 300 页时大多失败或错误百出，且大量模型输出风格与 Opus 同质化。
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
- 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
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27