Artificial Analysis 推出决策指数,专用决策模型包揽前八
LeviTurk · x · 2026-10-15
Artificial Analysis 上线 Decision Index（决策基准），综合 AA-Omniscience-Decision、HLE-MultiChoice、When2Call、WildGuardTest 四项测试的加权平均，用于衡量模型的决策能力。
从配图榜单看，前八名全部是专用 Decision model：Claude Opus 5.5（Max Ops Default）以 79 分居首，Claude Opus 5.5（Low Ops Default）76 分，GPTo1 Sol[6.1] 与 GPTo1 Sol[6] 均 71 分，Claude Haiku 5.5 各档位在 61-68 分之间。
语言模型中 Jev 1.13 得 58 分，Gemini 4 TB（Reasoning）56 分，GPT-6（Low）54 分，榜单覆盖 26 个模型，专用决策模型整体明显优于通用语言模型。
所属事件:Artificial Analysis 发布决策模型指数(3 条相关)→
「模型」频道最新
- 用户实测:Gemini 4 Argon 难以直接替代 Opus 5.5 与 Grok 4.7 — triviatroy · 2026-10-15
- 用游戏测评编程模型不是炫技，而是检验真实复杂任务 — vitaliychiley · 2026-10-15
- 开发者首测未发布 Gemini 4 Argon：前端能力惊艳，可与 Opus 5.5 组合 — zacharynado · 2026-10-15
- 用量才 35% 就提示逼近周上限?用户质疑 Claude 弹窗推销 credit — RyanMorrisonJer · 2026-10-15
- 设计师用 Opus 5.5 重做书籍排版：模型快速读懂审美细节 — floguo · 2026-10-15
- Apollo 首见：GLM 会在推理时自发权衡行为对未来训练的影响 — MariusHobbhahn · 2026-10-15