Artificial Analysis 于 2026 年 10 月 27 日发布 Intelligence Index v5，称其为自 1 月 v4 以来最大升级。官方写到，指数权重中首次有 60% 落在带私有测试集或留出答案的评测上。新标尺下，Claude Opus 5.5（max）以 58 分居首，GPT-6 Astra（max）57、GPT-6.1 Sol（max）55。相对榜首，开源权重模型分差由 v4.3 的 3 分扩大到 12 分。

要点

内容
发布时间 2026 年 10 月 27 日（Artificial Analysis 文章）
领先分数（除注明外为 max） Claude Opus 5.5 58；GPT-6 Astra 57；GPT-6.1 Sol 55；Gemini 4 Argon（high）50
开源差距 相对榜首 12 分（v4.3 为 3 分）
开源前列 Kimi K3.1 Pro 46（权重尚未放出）；已放权重中 DeepSeek V4.1 Flash 1017（max）与 GLM-5.3（max）均为 32；Claude Haiku 5.5（max）为 36
私有占比 指数权重的 60% 使用私有或留出集
新增 FrontierCode 2.0（Cognition）；Terminal-Bench-Science
升级 HLE-Diamond（替换 Humanity's Last Exam）；AA-Omniscience v1.1；CritPt v2 难题子集
移除 GDPval-AA v2.1；SciCode；AA-LCR v1.1
四大类权重 知识工作 / 编程 / 科学 / 综合，各 25%
同期发布 Artificial Analysis Progress Index v1（自 2022 年 11 月起的能力时间轴）
成本跨度（文中所列前十） GPT-6.1 Terra（max）每项指数任务 0.96 美元；Claude Fable 5.1（max）13.04 美元

背景

v5 仍保留 AA-Briefcase、AutomationBench-AA、GDP.pdf 与 Terminal-Bench 4.0。编程类由 FrontierCode 2.0（15%）与 Terminal-Bench 4.0（10%）组成；科学类为 Terminal-Bench-Science（15%）与 CritPt v2 私有 40 题难题子集（10%）；综合类为 AA-Omniscience v1.1（15%）与 HLE-Diamond（10%）；知识工作为 AA-Briefcase（15%）、AutomationBench-AA（5%）、GDP.pdf（5%）。

FrontierCode 2.0 含 132 个真实开源仓库任务，按维护者是否会合并智能体改动打分。官方给出 Claude Opus 5.5（max）46%，若干 OpenAI 与 Anthropic 模型 42%，已放权重开源里 DeepSeek V4.1 Flash 1017（max）最高为 28%。Terminal-Bench-Science 上 GPT-6 Astra（max）63%，Claude Opus 5.5（max）59%。

努力档位比 v4.3 更影响分数：官方写 Claude Opus 5.5 低档 35、max 档 58，每项指数任务成本约从 0.98 美元升到 10.04 美元。每项任务中位输出 token 约从 v4.3 的 3.5 万升到 v5 的 5.9 万。

反应与影响

THE DECODER 报道，在 v5 下 Kimi K3.1 Pro 从第 4 落到第 9，排在八个闭源模型之后；Grok 4.7 掉了 12 分。Nathan Lambert 在 Interconnects 中写到，封闭题集限制外人核查糟糕提示，而许多训练增益仍来自与公开基准相似的强化学习环境。Artificial Analysis 也说明曾修订 AA-Omniscience，去掉饱和题与公开集题目，并修正含糊题。

尚不确定

  • Kimi K3.1 Pro 权重若放出，开源分差是否仍维持
  • 买方与实验室会否把「偏私有」指数当作默认选型依据，还是继续主推各自偏好的公开套件
  • FrontierCode 2.0、Terminal-Bench-Science 在 Artificial Analysis 的 Stirrup 工具链之外能否独立复现
  • Progress Index 方法学除上线页外的后续更新时间表

来源

  1. Announcing Artificial Analysis Intelligence Index v5 — Artificial Analysis，2026 年 10 月 27 日（一手）
  2. New Artificial Analysis index widens the gap between open and closed models — THE DECODER，2026 年 10 月 28 日
  3. Artificial Analysis v5 and the benchmarker's dilemma — Nathan Lambert / Interconnects，2026 年 10 月 28 日
  4. Latent Space AINews 对 AA Index v5 的摘要 — Latent Space，2026 年 10 月 28 日（分数与官方一致）