AA 智能指数 v5 发布:60% 私有数据集,开源与闭源差距扩至 12 分
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 发布 Intelligence Index v5,是自 1 月 v4 以来最大升级:新增 2 个基准、升级 3 个,60% 权重来自私有测试集或保留答案,以对抗数据污染。
新基准
- FrontierCode 2.0(Cognition 出品):132 个真实开源仓库任务,以「维护者是否会合并该改动」为评分标准
- Terminal-Bench-Science:70 个终端环境下的智能体科研任务
关键结果
- Claude Opus 5.5 (max) 以 58 分居首,GPT-6 Astra (max) 57 分、GPT-6.1 Sol (max) 55 分紧随;Gemini 4 Argon (high) 50 分
- 开源权重模型差距从 3 分扩大到 12 分:Kimi K3.1 Pro(未放权重)46 分最高;已放权重中 DeepSeek V4.1 Flash 1017 (max) 与 GLM-5.3 (max) 均为 32 分,低于 Claude Haiku 5.5 (max) 的 36 分
- 头部模型单任务成本相差超 13 倍:GPT-6.1 Terra (max) 最便宜 $0.96/任务,Claude Fable 5.1 (max) 最贵 $13.04
同期还推出 Progress Index v1,用单一连续刻度追踪模型能力随时间的演进。
所属事件:AA 智能指数 v5 发布：60% 私有数据，Claude Opus 5.5 登顶(5 条相关)→
「模型」频道最新
- Gemini 4 Argon 刷新 OCR 纪录：WER 1.73%，超越人类专家 — gabriberton · 2026-10-28
- Meta 开源级翻译系统 Omnilingual MT 覆盖 1600 种语言 — kalyan_kpl · 2026-10-28
- LFM3-1.7B 无审查 GGUF 权重上线 Hugging Face — kalyan_kpl · 2026-10-28
- OpenRouter 周token量一年涨27倍至165万亿，开放模型占72% — FinanceYF5 · 2026-10-28
- 曝特斯拉 Optimus 数据采集：40 相机动捕服三班倒运转数月 — Scobleizer · 2026-10-28
- FrontierMemory 基准榜：Letta Dream 得 73.3% 居首，超 OpenAI 与 Claude agent — afurgs · 2026-10-28