Artificial Analysis 发布 Intelligence Index v5:60% 评测改用私有数据集

2026.10.27 · 收录日 2026.10.27 · 事件 · 行业动态 · 官方发布

新版指数新增 2 项基准、升级 3 项,并首次让多数评测基于私有数据集。

Artificial Analysis 发布 Intelligence Index v5,新增 FrontierCode 2.0 和 Terminal-Bench-Science,升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2,60% 的指数基于私有测试集或留出答案。同时推出 Progress Index v1。结果显示 Claude Opus 5.5 (max) 以 58 分领先,开源权重差距从 3 分扩大到 12 分。

  • v5 新增 FrontierCode 2.0 与 Terminal-Bench-Science 两项基准,升级 HLE-Diamond、AA-Omniscience v1.1、CritPt v2
  • 60% 的指数基于私有测试集或留出答案,为首次多数评测使用私有数据集
  • 知识工作、编程、科学、通用各占 25% 权重
  • 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
  • 开源权重差距从 3 分扩大到 12 分,已发布权重最高为 DeepSeek V4.1 Flash 1017 (max) 和 GLM-5.3 (max) 的 32 分

为什么值得看

了解主流模型能力评测标准的最新变化与排名格局

适合谁关注

关注大模型评测、选型与竞争格局的读者

原始来源

查看收录日 2026.10.27 全部卡片 · 全部卡片归档