Artificial Analysis 综合能力比较
35分
Intelligence Index
收录范围内第 13 名
测试配置：推理版本；源表未单列推理档位
材料读取 · · v5.0
2026-10-29 起整表切换到 Artificial Analysis Intelligence Index v5.0（方法页同日标注 v5.0）：GDPval-AA 退出，FrontierCode 2.0（132 个真实开源仓库任务、由维护者按“愿不愿合并”评分、阻塞检查失败记零）占 15%，Terminal-Bench 4.0 占 10%，知识工作／编码／科学／通用四类各占 25%，多个评测使用私有数据。各型号仍取来源表最高已测档位，保留回退设置；v5.0 与 v4.3.2 分数不能跨版本比较。Kimi K3、Qwen3.8-Flash-Next 与 Nemotron 3.5 Bolt 74B-A9B 在 v5.0 源表暂无分数，本轮不列行（v4.3.2 的 44／40／21 保留在原记录）；GLM-5.3-Flash 在 10 月 31 日重读时首次出现 v5.0 分数并以 28 分入列（源表未单列推理档位，v4.3.2 的 42 保留在原记录）；GPT-6.1 Terra 已出现在源表并按本榜规则补入；Gemini 4 Carbon（10 月 28 日发布）high 档 59 分居首，尚未普遍开放。Grok 4.7 在 v5.0 下取 high；11 月 4 日源表 xhigh 也到 35，与 high 并列，仍取 high。只在同一机构同一版本口径内比较；该指数主要评估英文文字任务，中文与图像能力另看实际评测。10 月 31 日整表重读：其余 28 行分数未变；GLM-5.3-Flash 以 28 分入列。11 月 2 日整表重读：30 行分数与档位配置未变；源表新增未收录行（如 DeepSeek V4 Pro 0813、Inkling 等）沿用“其他新行未收录”的既有口径。11 月 3 日整表重读：30 行分数与档位配置未变；新出现的未收录行（Nanbeige4.3-33B、K2 Horizon、Qwen3.5 系列等）沿用“其他新行未收录”的既有口径；AA 页 Grok 4.7 行机构标注现为 SpaceXAI，不作为站内事实记录。此前记录保留：Mistral Large 4 权重于 10 月 29 日开放，源表撤下 Preview 行，发布版权重以 high 26（medium 23）入列，Preview 时期的 25 保留在原记录；Mistral Small 4 等其他新行未收录。11 月 4 日整表重读：25 行分数与档位配置未变，5 行各 +1：Carbon 60、Opus 5.5 59、Muse Wonder 44、DeepSeek 1017 33、Ling 1019 30——重读前的“Carbon 与 Opus 并列居首”变为“Carbon 单独居首”；新增未收录行（Nanbeige4.3-33B、K2 Horizon、Inkling Small 等）沿用“其他新行未收录”的既有口径。11 月 5 日整表重读：30 行分数与档位配置未变；Hy4 首次入源表并以 35 分入列（推理版本，源表未单列推理档位），落在 Grok 4.7 的 35（high）与 Qwen3.8 Max 的 34 之间；新增未收录行沿用既有口径。11 月 6 日整表重读：31 行分数与档位配置未变；新增未收录行沿用既有口径。11 月 8 日整表重读：31 行分数与档位配置未变；新增未收录行（Inkling 2 Small 等）沿用既有口径。
原始评测与榜单 ↗