Artificial Analysis 指数 v5：开源差距拉到 12 分

1 hours ago AI闪点

10 月 28 日，评测机构 Artificial Analysis 发布 Intelligence Index v5，这是该指数自今年 1 月 v4 之后幅度最大的一次重构。60% 的评测权重首次改用私有测试集或隐藏答案，开源模型与榜首的差距从 v4.3 时代的 3 分扩大到 12 分。

六成权重换成私有题

指数仍由九项评测构成，知识工作、编码、科学、通用能力各占 25%。此前的痛点是公开题库被模型训练数据污染，厂商为了跑分而专门优化。新版把大部分权重移到私有测试集上，外部无法再核对题目是否被针对性训练，评测机构自己也承认封闭题库有代价，配套的知识测试里确实存在题目本身有误的情况，需要修订后重出。

编码权重改成看合并意愿

编码那 25% 权重里，Cognition 同日发布的 FrontierCode 2.0 独占 15%，Terminal-Bench 4.0 占 10%。FrontierCode 2.0 换掉整套评分逻辑，132 项任务全部取自真实开源仓库，模型提交的代码改动不再只看单元测试过不过，评分改由仓库维护者按是否愿意合并这个 PR 来给，任何一项阻塞性检查失败即记零分。这一改动把评价重心从代码能否跑通，挪到维护者是否愿意合并。DeepSeek V4.1-Flash 1017 在这一项拿到 28%，是所有已发布权重模型中最高的，Kimi K3.1 Pro 以 25.5% 紧随，谷歌 Gemini 4 Argon 为 25.7%，GPT-6 Luna 为 25.2%。

开源阵营还剩多少空间

综合分上差距更直白。DeepSeek V4.1-Flash 与 GLM-5.3 同为 32 分，落后榜首 Claude Opus 5.5 的 58 分整整 26 分，也低于 Claude Haiku 5.5 的 36 分。Kimi K3.1 Pro 名义上有 46 分成为最强开源权重模型，但完整权重按月之暗面官方说法要到 11 月 4 日前才发布，评测机构因此把它标注为权重尚未释出。Kimi 的排名还从第四位跌到第九位，身后站着八个闭源模型。基准饱和这条线索站内也梳理过，见 Claude Opus 5.5 通过率仅 45.6%。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

Related News