Artificial Analysis Intelligence Index v4.3已将使用私有任务或答案的评估权重从40%提高到45%。此举旨在缓解AI模型排名中的作弊和污染问题。然而,文章认为私有测试集并不能减少采样噪音,后者仍然会影响排名的可靠性,特别是对于得分差异很小的模型。 AI
影响 由于采样噪音,即使增加了私有测试数据,也对AI模型排名的可靠性提出了质疑。
排序理由 该条目分析了AI基准指数的变更及其对模型排名的影响,而不是宣布新模型或产品。
- AA-Briefcase
- AA-Omniscience
- Artificial Analysis Intelligence Index
- AutomationBench-AA
- Claude Opus 5
- CritPt
- Fable 5.1
- GPT 5.6 "Sol"
- GPT-6 Astra
- Terminal-Bench
- v4.3
- Zapier
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →