Artificial Analysis 发布 Intelligence Index v5

事件综述根据 4 篇报道整理，10月30日更新

Artificial Analysis 发布 Intelligence Index v5，这是自 v4 以来最大的一次基准重构：新增 2 个基准、升级 3 个基准，并首次让 60% 的评测权重建立在私有测试集或隐藏答案之上。该指数仍由九项评测构成，知识工作、编码、科学、通用能力各占 25%；编码项中，Cognition 同日发布的 FrontierCode 2.0 独占 15%，Terminal-Bench 4.0 占 10%。 该机构同时在 Hugging Face 发布公开子集 AA-Omniscience-Public-v1.1，称已重新校准，使公开集与私有集在准确率、幻觉率和整体表现上保持一致。按该指数，Kimi K3.1 Pro 以 46 分位列开放权重模型首位，但 Artificial Analysis 在报告中标注其权重尚未发布。 v5 还上线了 HLE-Diamond 榜单，评测 CAIS 与 Scale AI 经一年清洗修订的 Humanity's Last Exam 1000 题版本，其中 272 题含图像，推理与知识题各半。Artificial Analysis 称，每道题在无工具条件下只运行一次，使用官方 HLE 系统提示词，由 GPT-5.6 Luna (medium) 按官方 HLE 评判提示词对照参考答案判分，报告判为正确的题目占比（pass@1）。alphaXiv 称，Terminal-Bench-Science 首次进入指数并占总分 15%，科学类权重由 20% 上调至 25%。

综述由模型根据报道生成，细节以各篇原文为准。