Intelligence Index
由Artificial Analysis发布的大语言模型综合智能评测指数,综合多项任务性能衡量模型整体能力
核心事实
时间轴 (近 90 天)
在 Artificial Analysis 的 Intelligence Index 上,GPT-6.2 Astra 得分 62,较上一代 Astra 的 57 提升 5 分,位列第二,仅次于 Cloud Fable 5.2 的 65。
在 Artificial Analysis 的 Intelligence Index 与单任务成本散点图上,Muse Ember 的两个高推理档位落在帕累托前沿上。
预览阶段的基准分数可能随模型版本更新而变化,更适合作为能力区间的粗略参考,实际选型应结合任务做小样本评测。
早期第三方基准显示 Mistral Large 4 在 Intelligence Index 上得分 38,落后于 GLM 5.3 的 45 和 KIMI-K3 的 44;Cyber Index 得分为 50,SciBench 达到 93%。
在Agents' Last Exam基准测试的中等强度设置下,GPT-6.1 Terra完成单任务成本为0.29美元,而GPT-6 Astra为4.82美元。
DeepSeek V4.1 Flash 1017 跑完整套 Intelligence Index 所需的输出 token 从2.5亿降到2.1亿,减少约16%。
在 Intelligence Index 上,Muse Spark Open 得分为 39,GLM 5.3 得分为 45。
独立评测机构Artificial Analysis给出的Intelligence Index中,Muse Wonder仅得52分,Claude Opus 5.5高达58分。
Vals AI的独立榜单将Gemini 4 Argon放在41个模型中首位(68.9%)
Artificial Analysis评测显示DeepSeek V4.1 Flash在Intelligence Index得分40,超过V4 Pro成为DeepSeek新旗舰,采用原生多模态输入,输入激活参数8B、输出激活参数16B,以MIT许可开放
还有 2 条时间轴事件
全部知识事实 (11)
Artificial Analysis是将模型智能程度与运行成本放在同一坐标系可视化比较的第三方评测平台
85%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%已验证在Agents' Last Exam基准测试的中等强度设置下,GPT-6.1 Terra完成单任务成本为0.29美元,而GPT-6 Astra为4.82美元。
70%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Vals AI的独立榜单将Gemini 4 Argon放在41个模型中首位(68.9%)
65%已验证Artificial Analysis评测显示DeepSeek V4.1 Flash在Intelligence Index得分40,超过V4 Pro成为DeepSeek新旗舰,采用原生多模态输入,输入激活参数8B、输出激活参数16B,以MIT许可开放
65%待验证Artificial Analysis 采用统一、受控的测试环境对模型进行多维度评估,其综合评分将推理、数学、代码、知识问答等维度通过加权算法汇总
60%待验证在 Artificial Analysis 的 Intelligence Index 上,GPT-6.2 Astra 得分 62,较上一代 Astra 的 57 提升 5 分,位列第二,仅次于 Cloud Fable 5.2 的 65。
50%待验证在 Artificial Analysis 的 Intelligence Index 与单任务成本散点图上,Muse Ember 的两个高推理档位落在帕累托前沿上。
50%待验证预览阶段的基准分数可能随模型版本更新而变化,更适合作为能力区间的粗略参考,实际选型应结合任务做小样本评测。
50%待验证DeepSeek V4.1 Flash 1017 跑完整套 Intelligence Index 所需的输出 token 从2.5亿降到2.1亿,减少约16%。
50%