IT之家 10 月 29 日音书星空体育，Artificial Analysis 昨日发布了 Intelligence Index v5，这是该机构自 2026 年 1 月 v4 上线以来幅度最大的一次基准重构。
最径直的变化是，60% 的评测权重初度缔造在专有测试集或遮蔽谜底之上，用于压缩公开题库被模子稽察数据“混浊”的空间，减少了各厂商为了跑分而跑分的“注水”测试技俩。
该指数仍由九项评测组成，包括常识责任、编码、科学、通用才智各占 25%。其中编码 25% 的权重里，Cognition 于同日发布的 FrontierCode 2.0 独占 15%，Terminal-Bench 4.0 占 10%。
其中最值得温雅的 FrontierCode 2.0 都备换了一套评分逻辑。132 项任务沿路来自简直开源仓库，模子提交的代码更变不再只由单位测试是否通过来判定，而是由该仓库的羡慕者按“是否满足合并这个 PR”来打分，任何一项阻碍性稽察失败即记零分。
Cognition 在 6 月推出 FrontierCode 第一版时就强调，传统基准只稽察代码能否跑通，而合并决议还触及更变鸿沟是否克制、立场是否与代码库一致、转头风险是否可控等测试无法都备覆盖的维度。v5 将这一基准升级到 2.0 并纳入主指数，就是把“可合并性”而非“可开动性”推到了编码才智评价的中心。
在这一口径下，DeepSeek V4.1-Flash 1017（max）在 FrontierCode 2.0 上录得 28%，是系数已发布权重模子中得分最高的一个。
Kimi K3.1 Pro 以 25.5% 紧随自后，但其完竣权重按月之暗面官方博客的表述，要到 11 月 4 日前才发布，AA 在 v5 发挥中将其标注为“weights not yet released”。
谷歌 Gemini 4 Argon（high）为 25.7%，GPT-6 Luna 为 25.2%，均低于 DeepSeek V4.1 Flash。需要讲解的是，这一收获位于 FrontierCode 2.0 单项之内；在 Intelligence Index v5 的玄虚得分上，DeepSeek V4.1 Flash 与 GLM-5.3 同为 32 分，仍逾期榜首 Claude Opus 5.5（58 分）26 分，且低于 Claude Haiku 5.5 的 36 分。
Artificial Analysis 指出，v5 实在加重的是开源与闭源前沿之间的举座距离。v4.3 时，最强开源模子与榜首的差距是 3 分；v5 把大部分公开题换成专有题、并大幅加重智能体实战任务的比重之后，这一差距扩大到 12 分。Kimi K3.1 Pro 以 46 分红为步地上最强的开源权重模子，但它尚未发布权重；已发布权重的模子中，32 分是现时的天花板。
差距在 HLE-Diamond 和 Terminal-Bench-Science 两项上最为夺目：Kimi K3.1 Pro 辩认为 37% 和 34%，而 Claude Opus 5.5 在 HLE-Diamond 上为 68%，GPT-6 Astra 在 Terminal-Bench-Science 上为 63%。
v5 并莫得让路源模子“通宵变差”，它改变的是测量的东西 —— 当题目不再公开、评分不再只看通过率，那些依靠公开题库优化出来的分数被系统性地挤掉了水分。
另一个被 v5 放大的变量是“戮力值”（念念考品级）的本钱上风。Claude Opus 5.5 从低戮力档到 max 档跳跃 23 分，单任务本钱从 0.98 好意思元升至 10.04 好意思元，收支约 10 倍。
Claude Sonnet 5.5 在不同戮力档之间的分差从 v4.3 的 20 分扩大到 29 分，GPT-6.1 Sol 的跨度翻倍至 20 分。这意味着合并模子在“省钱模式”和“全力模式”下的进展差距，照旧大到不像一个模子。
在得分最高的十款模子中，GPT-6.1 Terra 的每任务本钱最低，为 0.96 好意思元，Claude Fable 5.1 最高，为 13.04 好意思元，收支杰出 13 倍。
与 v5 同步推出的 Progress Index v1 则管制另一个问题：当基准自己每隔几个月就换一次，不同庚代的模子如何放在合并把尺子上相比。Progress Index 将 2022 年 11 月以来发布的主要讲话模子映射到一个相接的才智设施上，其联想参考了 Epoch AI 的 Epoch Capabilities Index 的设施。Intelligence Index 接续动作量度“当下前沿”的主贪图，Progress Index 则用于不雅察“才智随时分如何演进”，两者恢复的是不同问题。
推行上，v5 的九项评测中莫得任何一个模子沿路首先：Claude Opus 5.5 拿下 FrontierCode 2.0、HLE-Diamond 和 AA-Omniscience 三项，GPT-6 Astra 在 Terminal-Bench-Science 和 CritPt v2 贫困子集上居首，Kimi K3.1 Pro 在 Terminal-Bench 4.0 上以 67% 首先，单项上风的散布进度比总分名次更值得驻扎。
揣测阅读：
《国产最强 DeepSeek V4.1 Flash-1017 登顶 Agent Arena 开源榜，总榜第 11》
《DeepSeek V4.1 Flash 发力星空体育，中好意思顶尖模子 LiveBench 跑分差距缩至 3%》