Artificial Analysis Intelligence Index
由Artificial Analysis平台发布的综合AI模型智能评分指数，整合MMLU、HumanEval、MATH、GPQA等多个权威基准测试的加权结果，评估模型推理、编码、数学、知识问答等综合能力
核心事实
时间轴 (近 90 天)
Artificial Analysis Intelligence Index的评测方法、提示模板与评分脚本对外公开、可复现，更新节奏相对稳定。
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index 上得分 59 分。
Artificial Analysis Intelligence Index 的聚合指数存在局限：权重选择会放大或掩盖特定能力差异，且基准题目可能已被模型训练数据覆盖，因此排名靠前并不等同于在真实业务场景中表现更优。
在 Artificial Analysis Intelligence Index（v5.0）上，Claude Opus 5.5 与 GPT-6 Astra 的排名紧随 Gemini 4 Carbon 之后。
根据 Artificial Analysis 的评测，Gemini 4 Carbon 在其智能指数上排名第一，仅比 Cloud Opus 5.5 高出一分。
Intelligence Index 是一个聚合了多项评测任务结果、归一化后加权得出的综合分数。
使用者在做跨版本比较时，应优先查看官方发布的方法论说明与版本变更日志，而非简单对比历史数字。
评测基准的版本升级往往伴随归一化方式、任务权重或聚合算法等计分口径调整，导致同一模型在新旧版本下得分不可直接相减。
Kimi K3.1 在 Artificial Analysis 综合评测中获得 55 分。
据 Artificial Analysis 的 Intelligence Index，Opus 得分 58，Astra 和 Argon 均为 53。
还有 16 条时间轴事件
全部知识事实 (20)
基准测试成绩与用户真实体验之间存在鸿沟，部分厂商存在针对特定基准专项优化（刷榜）以及训练数据污染导致成绩虚高的现象
90%已验证Gemini 4 Carbon 在 Artificial Analysis Intelligence Index 上得分 59 分。
80%已验证Artificial Analysis给Argon的智能指数打出53分，与GPT-6 Astra持平
80%已验证Artificial Analysis Intelligence Index 通过综合推理、编码、数学、知识问答等多项评测给出统一智能评分
75%已验证Artificial Analysis是一个独立的AI模型基准测试平台，综合编程能力、数学推理、语言理解、知识问答等多个维度评估模型表现
70%已验证Artificial Analysis Intelligence Index整合了MMLU、HumanEval、MATH、GPQA等多个基准测试的加权结果
65%已验证Artificial Analysis Intelligence Index发布了v4.2版本
65%部分验证根据 Artificial Analysis 的评测，Gemini 4 Carbon 在其智能指数上排名第一，仅比 Cloud Opus 5.5 高出一分。
80%待验证综合智能指数AA由独立评测机构Artificial Analysis发布，汇总MMLU、GPQA、HumanEval、MATH等基准，计算0-100的综合分数
70%部分验证Kimi K3.1 在 Artificial Analysis 综合评测中获得 55 分。
65%待验证Artificial Analysis Intelligence Index的评测方法、提示模板与评分脚本对外公开、可复现，更新节奏相对稳定。
50%待验证在 Artificial Analysis Intelligence Index（v5.0）上，Claude Opus 5.5 与 GPT-6 Astra 的排名紧随 Gemini 4 Carbon 之后。
50%待验证Artificial Analysis Intelligence Index 的聚合指数存在局限：权重选择会放大或掩盖特定能力差异，且基准题目可能已被模型训练数据覆盖，因此排名靠前并不等同于在真实业务场景中表现更优。
50%待验证评测基准的版本升级往往伴随归一化方式、任务权重或聚合算法等计分口径调整，导致同一模型在新旧版本下得分不可直接相减。
50%待验证Intelligence Index 是一个聚合了多项评测任务结果、归一化后加权得出的综合分数。
50%待验证使用者在做跨版本比较时，应优先查看官方发布的方法论说明与版本变更日志，而非简单对比历史数字。
50%待验证Artificial Analysis Intelligence Index 是独立评测机构 Artificial Analysis 维护的公开榜单，覆盖约 200 余个模型。
50%待验证Mistral Large 4的AA分数为38分，相比上一代Mistral Medium 3.5的14分大幅提升
50%待验证阿里声称相关系统在 Artificial Analysis Intelligence Index 上 30 天内从 40 提升到 45
50%待验证在人工智能指数（Artificial Analysis Intelligence Index）上，Haiku 4.5得17分，Haiku 5.5跃升至43分，仅次于Kimi K3的44分
50%