AI圈报
模型发布 / 更新普通

Artificial Analysis 评测 VIALS-AA：工具使用让模型平均分从约 25% 翻倍至约 47%

信息来源：X：Artificial Analysis (@ArtificialAnlys)·
Claude
原始标题：Take away its tools, and Claude Fable 5.2 scores below Claude Haiku 5.5 with tools on VIALS-AA; across models tool use nearly doubles sco...

内容摘要

Artificial Analysis 发布 VIALS-AA 评测结果，对比模型带工具（agentic）与不带工具（one-shot）的表现：跨模型工具使用让平均分从约 25% 翻倍至约 47%。
内容分类AI 模型发布与更新
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Artificial Analysis (@ArtificialAnlys)
站内情报编号intel-3e53188144e997dd446af8f2
阅读原始信息 ↗查看数据来源更多模型发布 / 更新

相关推荐

综合分类、实体标签与信息来源匹配

模型发布 / 更新精选
Artificial Analysis 评测 Claude Fable 5.2：以 65 分登顶 Intelligence Index v5
Artificial Analysis 评测 Anthropic 发布的 Claude Fable 5.2，其在 Artificial Analysis Intelligence Index v5 以 65 分登顶，领先 Gemini 4 Carbon（60）和 Claude Opus 5.5（59）。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude / Gemini
模型发布 / 更新精选
Artificial Analysis：Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 登顶 Coding Agent Index 榜单但成本差异大
Artificial Analysis 发布 Coding Agent Index 榜单，Claude Sonnet 5.5 (max) 在 Claude Code 以 68 分居首，但每任务成本最高达 $14.19。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude / Gemini
模型发布 / 更新精选
Artificial Analysis：Claude Opus 5.5 登顶 Coding Agent Index，但单任务成本升至 $13.04
Artificial Analysis 测评显示，Claude Opus 5.5 在 Claude Code max effort 下以 66 分登顶 Coding Agent Index，较 Opus 5（60）高 6 分，三项评测 Terminal-Bench 4.0（63.1%）、DeepSWE v1.1（68.4%）、SWE-Atlas-QnA（66.4%）全部提升。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude
模型发布 / 更新精选
MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna/Sol 发布改变智能指数与成本 Pareto 前沿
Artificial Analysis 称本周 MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna 和 GPT-6 Sol 的发布在 Intelligence Index 与每任务成本 Pareto 前沿上新增十一个点位，其中 GPT-6 Luna 贡献五个，Claude Opus 5.5 贡献四个。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
模型发布 / 更新精选
KwaiKAT发布KAT-Coder-Pro V2：非推理代码模型性能比肩Claude Sonnet 4.6
KwaiKAT发布非推理代码模型KAT-Coder-Pro V2，在Artificial Analysis Intelligence Index获44分，较V1提升8分，与Claude Sonnet 4.6持平。该模型token效率显著，运行仅需约9M输出token，远低于Claude系列及DeepSeek等推理模型。Agent能力大幅提升，Terminal-Bench Hard得分49%（提升40个百分点），匹配Claude Opus 4.6。成本降至73美元，响应速度达…
信息来源：X：Artificial Analysis (@ArtificialAnlys) · DeepSeek / Claude
模型发布 / 更新普通
Claude Fable 5.2 登顶 AA-3D 3D 交互榜
Claude Fable 5.2 在 Artificial Analysis 的 AA-3D 交互式 3D 体验基准上以 1271 Elo 登顶，领先 Claude Sonnet 5.5（1204）和 Claude Opus 5.5（1202）67 分，95% 置信区间 1246–1297 与其他模型不重叠。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude
模型发布 / 更新普通
Meta Muse Ember 得分 36 追平 Claude Haiku 5.5，成本仅三分之一
Artificial Analysis 评测 Meta 最新高效档模型 Muse Ember，Intelligence Index 得分 36，与 Claude Haiku 5.5 (max) 持平，Cost per Task 仅 $0.14 约为后者三分之一。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude
模型发布 / 更新普通
Artificial Analysis 评测 Meta 新模型 Muse Ember，智能指数 36 分以约三分之一成本持平 Claude Haiku 5.5
Artificial Analysis 评测 Meta 最新高效档模型 Muse Ember，其 Artificial Analysis Intelligence Index 得分 36，以每任务 $0.14 的成本持平 Claude Haiku 5.5 (max)（$0.41）。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude
模型发布 / 更新普通
Claude 与 GPT 机器人写字对比
同一个机器人，同一个任务，两个模型的书写风格截然不同 ➤ 左侧，Claude Opus 5.5 一点一点地写出“hello world”：34 分钟内完成 3,270 次机械臂移动 ➤ 右侧，GPT-6 Astra 以连续笔画书写：13 分钟内完成 514 次移动 来自 AA-Robotics v0.1，从模型视角呈现 更多示例见：https://artificialanalysis.ai/articles/aa-robotics
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
模型发布 / 更新普通
Artificial Analysis：Gemini 4 Carbon 登顶 Intelligence Index v5，编码智能体仅次于 Claude Opus 5.5
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登上 Intelligence Index v5 第一。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude / Gemini