Artificial Analysis 六大职业能力指数 v2.0：Claude Opus 5.5 六项全第一
ArtificialAnlys · x · 2026-11-04
Artificial Analysis 将六大 Capability Indexes 更新至 v2.0，与 Intelligence Index v5.0 的评测对齐，并加大了 Non-Hallucination（非幻觉）与 Agentic Tool Use 的权重。这些指数把 ONET 职业任务映射到对应基准，覆盖六大领域：金融与会计、战略与运营、法律、医疗、工程、经济。
主要变化：
- 多数指数上调 Non-Hallucination 或 Agentic Tool Use 权重；HLE 升级为 HLE-Diamond、AA-Omniscience 升至 v1.1；普遍移除 GDPval-AA 和 AA-LCR。
- 工程指数新增 Science 能力（CritPt v2 Hard Subset、Terminal-Bench-Science 0.1）与 FrontierCode 2.0；经济指数改用 GDP.pdf。
关键结果：
- Claude Opus 5.5 (max) 在全部六个指数上居首，GPT-6 Astra (max) 在金融、法律、工程列第二。
- 开源权重阵营中 Kimi K3.1 Pro（权重尚未发布）领跑全部六项（第 5-8 名），MiniMax-M3.1-Flash 在战略与运营居第 10，DeepSeek V4.1 Flash 1017 (max) 在医疗居第 12。
「模型」频道最新
- 1300+ 词联想线索实测：Google 模型胜 OpenAI，Anthropic 垫底 — Hardicecream17 · 2026-11-04
- 前 OpenAI 研究员:对齐是能力瓶颈,Claude 或已藏有未知能力 — arthurcolle · 2026-11-04
- BallotBench 模拟交易：Gemini 激进做多冲上 67 美元 — mariofilhoml · 2026-11-04
- Claude Opus 5.5 发布 5 周：周消耗 31.7T tokens、周消费 1300 万美元居首 — scaling01 · 2026-11-04
- Liquid AI 发布 d1-ultra,第三方评测与 SubQ、Elephant 同分并列 — JosephJacks_ · 2026-11-04
- Fireworks Nexus Auto 达 Vals Router Index 60%,登顶单价仅 $1.25 — sophiamyang · 2026-11-04