综合能力

Artificial Analysis Intelligence Index v5.0

综合智力：知识工作、编程、科学和通用知识合成的总分

它测什么

Artificial Analysis 是一家独立评测机构。它用同一套流程自己跑 9 项评测，再按四个类别合成一个 0–100 的指数，数字越高，模型的总体水平越强。

当前的 v5.0 版本让四类各占 25%：知识工作类包括 AA-Briefcase v1.1、AutomationBench-AA 和长 PDF 文档推理 GDP.pdf，要求模型交付文件、调用 API 跑通 SaaS 工作流或读懂长文档；编程类包括在真实开源仓库里改代码的 FrontierCode 2.0 和 Terminal-Bench 4.0；科学类包括在终端里完成科研任务的 Terminal-Bench-Science 0.1 和物理研究题 CritPt v2（困难子集）；通用类包括知识与幻觉评测 AA-Omniscience v1.1 和 HLE-Diamond。它适合快速回答“这个模型大概处在什么位置”，但看不出某项具体能力的强弱。

同一模型的不同推理强度（low / high / max）会被当作不同条目分别计分。

怎么看分数

0–100 的相对指数，只在同一时期、同一版本的模型之间比较有意义。v5.0 是一次大改：加入 FrontierCode 2.0、Terminal-Bench-Science 和 HLE-Diamond，把 CritPt 换成 CritPt v2 困难子集，把 AA-Omniscience 升级到 v1.1，并将 GDPval-AA、SciCode、AA-LCR 和 Humanity’s Last Exam 移出指数，因此不能与 v4.x 的指数直接比较。本页收录 2026 年 11 月 1 日官网默认（Current）榜单中指数不低于 45 的全部条目，官网显示为 -- 的条目没有 v5.0 指数，不在其中；标有 with fallback 的 Anthropic 条目包含拒答后的备用模型机制，这里沿用推理档位命名。

来源Artificial Analysis

查看 Intelligence Index 官方评测方法与版本记录

模型表现

核对于 2026年11月1日23 条成绩

Artificial Analysis Intelligence Index v5.0 — 模型表现。选择列标题可排序。

Gemini 4 Carbon (high)Google	59
Claude Opus 5.5 (max)Anthropic	58
Claude Opus 5.5 (xhigh)Anthropic	57
GPT-6 Astra (max)OpenAI	57
GPT-6 Astra (xhigh)OpenAI	55
GPT-6 Astra (high)OpenAI	55
GPT-6.1 Sol (max)OpenAI	55
Claude Sonnet 5.5 (max)Anthropic	54
GPT-6.1 Sol (xhigh)OpenAI	52
Claude Opus 5.5 (high)Anthropic	52
GPT-6 Astra (medium)OpenAI	51
GPT-6.1 Terra (max)OpenAI	51
Gemini 4 Argon (high)Google	50
GPT-6.1 Sol (high)OpenAI	50
Muse Wonder Full (max)Meta	50
Claude Fable 5.1 (xhigh)Anthropic	50
Claude Sonnet 5.5 (xhigh)Anthropic	50
Claude Fable 5.1 (max)Anthropic	49
Claude Opus 5.5 (medium)Anthropic	48
Claude Fable 5.1 (high)Anthropic	47
GPT-6.1 Sol (medium)OpenAI	46
Kimi K3.1 ProKimi	46
GPT-6.1 Terra (xhigh)OpenAI	45