Artificial Analysis 智能指数升到 v5：Claude Opus 5.5 以 58 分居首
这是该指数自 1 月 v4 以来最大的一次升级，首次有 60% 的评测建立在私有测试集或留出答案上，同时上线了 Progress Index v1。
要点
- 新增两个基准：Cognition 的私有真实编程基准 FrontierCode 2.0（按仓库维护者是否合并 agent 的改动打分），以及终端环境下运行的 70 个科研 agent 任务 Terminal-Bench-Science
- 三个升级：HLE-Diamond 用 1000 题替换 Humanity's Last Exam，AA-Omniscience 升到 v1.1，CritPt 升到私有 40 题难子集的 v2
- 排名：Claude Opus 5.5（max）58 分第一，GPT-6 Astra（max）57、GPT-6.1 Sol（max）55 紧随，Gemini 4 Argon（high）50
- 开源权重差距从 3 分扩大到 12 分：Kimi K3.1 Pro 46 分但权重未发布；已发布权重里 DeepSeek V4.1 Flash 1017 与 GLM-5.3 以 32 分并列领先
- 前十模型单任务成本相差 13 倍以上：GPT-6.1 Terra（max）最便宜 0.96 美元，Claude Fable 5.1（max）最贵 13.04 美元
阅读原文这里是中文要点整理，数字与细节以原文为准。
评论
还没有评论，来写第一条。