Artificial Analysis 发布 Intelligence Index v5:四大类九项基准各占 25%
ArtificialAnlys · x · 2026-10-28
Artificial Analysis 公布 Intelligence Index v5 的权重结构,四大维度各占 25%:
- Knowledge Work(25%):AA-Briefcase(15%)、AutomationBench-AA(5%)、GDP.pdf(5%)
- Coding(25%):FrontierCode 2.0(15%)、Terminal-Bench 4.0(10%)
- Science(25%):Terminal-Bench-Science(15%)、CritPt v2 hard subset(10%)
- General(25%):AA-Omniscience v1.1(15%,含 10% 准确率 + 5% 非幻觉率)、HLE-Diamond(10%)
整个 v5 系列推文还披露:新任务对模型的 token 消耗中位数从 v4.3 的 35k 升至 59k,agentic 评测占 55% 权重却消耗约 88% 的输出 token;effort 设置影响显著,Claude Opus 5.5 从 low 到 max 得分 35→58,单任务成本从 $0.98 涨到 $10.04;GPT-6.1 Sol(max) 以约 1/8 的成本做到仅差 4 分;开源权重阵营差距从 v4.3 的 3 分拉大到 12 分,领先者 Kimi K3.1 Pro 得 46 分,已开源的 DeepSeek V4.1 Flash 1017 与 GLM-5.3 最高仅 32 分,且 Claude Haiku 5.5 都能超过它们。没有单一模型包揽九项第一,Claude Opus 5.5 拿下三项,其余六项由 GPT-6 Astra、Claude Sonnet 5.5、Kimi K3.1 Pro、Gemini 4 Argon、Muse Wonder Full 分别领先。
所属事件:AA智能指数v5发布，Claude Opus 5.5登顶(4 条相关)→
「模型」频道最新
- FrontierMemory 基准榜：Letta Dream 得 73.3% 居首，超 OpenAI 与 Claude agent — afurgs · 2026-10-28
- xAI 疑更名 SpaceXSI,官网上线 Grok 4.7 与统一多模态 API — RachelVT42 · 2026-10-28
- '刷榜'模型遇冷表现拉胯,圈内在等下一个版本翻盘 — rickasaurus · 2026-10-28
- AA 同步推出 Progress Index v1:把 2022 年 11 月以来所有模型放到同一能力标尺 — ArtificialAnlys · 2026-10-28
- v5 榜单任务更重:单任务输出 token 中位数从 35k 涨到 59k — ArtificialAnlys · 2026-10-28
- effort 档位影响扩大:Opus 5.5 低到高成本差 10 倍、分差 23 分 — ArtificialAnlys · 2026-10-28