标签
Opus 5 已荣登 Artificial Analysis Intelligence Leaderboard 榜首，该排行榜通过多个基准测试评估AI模型，包括 Artificial Analysis Intelligence Index 和 AA-Briefcase。
文章批评微软人工智能的编码模型表现逊于Kimi K3和Deepseek V4等竞争对手，暗示尽管资源雄厚，MAI仍远远落后。
Kimi K3 模型在 ArtificialAnalysis 基准测试中排名第三，超过了 Claude Opus 4.8。
人工智能分析报告了 Muse Spark 1.1 AI 模型的基准测试结果，并提供了性能指标。
Artificial Analysis 的基准测试显示，OpenAI 的 GPT-5.6 Sol 在智能方面几乎与 Claude Fable 5 相当，但成本仅为后者的三分之一；在编程智能体评测中领先；并引入了缓存写入定价。
SpaceXAI的Grok 4.5在人工智能分析智能指数上获得54分，排名第四。
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。
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。
根据 Artificial Analysis 的 Intelligence Index，GLM-5.2 (max) 目前整体上排名第三，包含对智能性、开放性、成本和令牌使用量的详细分析。
Claude Fable 5 在 Artificial Analysis 智能指数上取得了 65 分。
Qwen3.7 Max在Artificial Analysis基准测试中排名第五，与GPT-5.4持平，并超越了刚发布的Gemini 3.5 Flash，而Qwen3.6 27B则明显落后。
Cerebras 宣布，在企业试用中，其运行万亿参数模型 Kimi K2.6 的速度约为每秒 1000 个 token，并声称这是 Artificial Analysis 有史以来测得的最快前沿模型性能。
Artificial Analysis 推出了 Coding Agent Index，这是一套新的基准测试套件，结合了 SWE-Bench-Pro-Hard-AA、Terminal-Bench v2 和 SWE-Atlas-QnA，旨在评估 AI 编程代理在多样化任务中的表现。
月之暗面 Moonshot AI 的 Kimi K2.6 首次亮相即登上 Artificial Analysis 智能指数第 4 位，为最新版模型打出亮眼基准成绩。