Artificial Analysis 更新 HLE Diamond：开放权重模型落后逾 30 分
摘要
Artificial Analysis 更新了 HLE Diamond 基准评测，显示开源权重模型在该高难度基准上落后闭源模型超过 30 分。
相似文章
Artificial Analysis 智能指数 v5
Artificial Analysis 发布 Artificial Analysis 智能指数 v5 和进展指数 v1，新增 FrontierCode 2.0、Terminal-Bench-Science 等基准测试，并将私有测试集占比提高至 60%。结果显示，Claude Opus 5.5（max）以 58 分领先，开放权重模型与闭源前沿模型的差距扩大至 12 分。
Artificial Analysis v5 与评测者的困境（约11分钟阅读）
Interconnects 分析了 Artificial Analysis Intelligence Index v5 的更新，探讨独立 AI 评测在快速迭代时代面临的'单一分数'困境，以及各基准权重分配对模型排名和市场的影响。
GLM-5.2 是 Artificial Analysis 上新的领先开源权重模型
智谱AI的GLM-5.2已成为Artificial Analysis Intelligence Index上新的领先开源权重模型，得分为51，超越了MiniMax-M3和DeepSeek V4 Pro等竞争对手。该模型拥有744B总参数、40B活跃参数、MIT许可证和1M上下文窗口。
Meta 的 816B 参数 Muse Spark Open 在 Artificial Analysis 上得分为 39，180B 参数的 Qwen3.8-Flash-Next 得分为 40。11 款开放权重模型的得分与规模对比
作者基于 Artificial Analysis 的评分绘制了 11 个开放权重模型的参数量-得分对比图：816B 的 Meta Muse Spark Open 得分 39，而仅 180B 的 Qwen3.8-Flash-Next 得分 40；图表还包含 MiMo-V2.6-Pro、DeepSeek V4.1 Flash 等模型及量化体积、本地部署建议等信息。
开源权重大语言模型与闭源大语言模型之间的差距
使用Artificial Analysis Intelligence Index和其他基准测试分析开源权重与闭源大语言模型之间的差距，发现在某些指标上差距正在缩小，但在其他指标上保持稳定。