Artificial Analysis Intelligence Index v4.2

产品简介

Artificial Analysis Intelligence Index 是由独立 AI 评测机构 Artificial Analysis 发布的模型评测榜单，通过在专用硬件上独立运行测试，对全球主流 AI 模型进行全面客观的评测，帮助用户了解 AI 格局并选择最适合自身用例的模型和提供商。2026年9月5日，平台发布 v4.2 中途更新，新增 AA-Briefcase 智能体工作评测和 GDP.pdf 长文档推理评测，并将私有测试集权重提升至40%。

核心功能

1. Intelligence Index 智能指数：综合评测模型在编程、推理、多学科推理等多种任务上的表现，以智能分数形式呈现排名
2. Speed 速度评测：衡量各模型的输出 token 每秒速度，评估推理效率
3. Cost per Task 任务成本：分析不同模型的单任务平均成本
4. AA-Briefcase 智能体工作评测：私有测试集，评估模型处理复杂多步骤智能体任务的能力
5. GDP.pdf 长文档推理评测：跨 4592 页 PDF、1275 条专家原子判据的评测集，评估模型对超长文档的理解能力
6. AA-LCR v1.1 提示词修正：升级后的提示词修正评测体系
7. SciCode 编程评测沙盒：强化鲁棒性评分的编程评测模块

特色优势

• 完全独立评测：在专用硬件上独立运行，不依赖模型厂商自报数据，保证客观公正
• 私有测试集权重翻倍：v4.2 将私有测试集权重从 20% 提升至 40%，有效降低刷分可能性
• 真实业务场景：GDP.pdf 基于真实长文档场景而非人工构造题目
• 中文模型覆盖：Kimi K3、GLM-5.3 等国产模型同步纳入评测
• 成本透明：提供清晰的单任务成本数据，助力企业控制 AI 使用成本

应用场景

1. AI 应用开发团队的模型选型决策
2. 企业 AI 成本效益分析与预算控制
3. 超长文档处理场景（如4592页 PDF）的模型能力评估
4. 复杂多步骤智能体任务的能力评测
5. 编程辅助工具的模型能力对比
6. 搜索 API 提供商的质量、成本与速度对比（通过 Search Index）

适用人群

• AI 应用开发者与技术团队
• 企业 AI 选型决策者与采购负责人
• AI 研究人员和学者
• 对模型性能关注的技术爱好者
• 使用 AI 辅助编程的开发者

出品方

• 机构：Artificial Analysis
• 总部：美国旧金山
• 性质：独立第三方 AI 模型评测机构
• 评测方法：在专用硬件上独立运行测试，不依赖厂商自报数据

更新动态

• v4.2（2026年9月5日）：新增 AA-Briefcase 与 GDP.pdf 评测集，私有测试集权重提升至 40%，移除已被刷满的 GPQA Diamond，升级 AA-LCR 至 v1.1
• 未来规划：v5 将进一步扩大私有权限并新增任务类型