实时
Artificial Analysis v5发布,评测基准仍存困境
热点事件历史事件
Artificial Analysis v5发布,评测基准仍存困境
2 篇报道2 个报道来源21 天前更新
先了解这件事
AI 综述
Artificial Analysis 发布了 Intelligence Index v5,调整了评测权重分配,知识工作、编码、科学和通用能力各占 25%。最新排名显示 GPT 6.1 Terra 优于 Claude Fable 5.1。该评测指数 60% 的权重基于私有测试集或隐藏答案,旨在减少因公开题库被模型训练数据污染导致的“注水”测试。评测仍包含九项评测,编码部分权重分配给 Cognition 的 FrontierCode 2.0(15%)和 Terminal-Bench 4.0(10%)。DeepSeek V4.1 Flash 1017 在 FrontierCode 2.0 上得分 28%,领跑开源模型,但综合排名仍落后 Claude Opus 5.5 26 分。Nathan Lambert 称,提高分数设计昂贵,而创建真正前沿 AI 的评测基准则更困难。
AI 根据报道生成 · 更新于 20 天前
最新进展10月29日 01:06
人工智能分析指数v5基准上线,DeepSeek V4.1 Flash 1017为FrontierCode 2.0开源模型最高成绩事件进展
2 个进展
- 10月29日 01:06 · 1 篇报道人工智能分析指数v5基准上线IT之家 · AI:人工智能分析指数v5基准上线,DeepSeek V4.1 Flash 1017为FrontierCode 2.0开源模型最高成绩
- 10月28日 20:58 · 1 篇报道Artificial Analysis v5 and the benchmarker's dilemmaInterconnects:Artificial Analysis v5 发布及其评测困境
报道时间线
沿着报道,了解事件的不同侧面。
10月29日
- IT之家 · AI人工智能分析指数v5基准上线,DeepSeek V4.1 Flash 1017为FrontierCode 2.0开源模型最高成绩
人工智能分析指数v5发布,60%评测权重首次基于私有测试集,DeepSeek V4.1 Flash 1017在FrontierCode 2.0上获得28%得分领跑开源模型,但综合排名仍落后Claude Opus 5.5 26分。
10月28日
- InterconnectsArtificial Analysis v5 发布及其评测困境
Artificial Analysis 发布 Intelligence Index v5,该独立评测指标权重分配为知识工作(25%)、编码(25%)、科学(25%)和通用(25%),最新模型排名显示 GPT 6.1 Terra 优于 Claude Fable 5.1。