AI圈报
产品发布 / 更新普通

Artificial Analysis 发布智能指数 v4.2 加速路线图

信息来源：X：Artificial Analysis (@ArtificialAnlys)·
原始标题：Intelligence Index v4.2 is an acceleration of our v5 roadmap， which is focused on long-horizon tasks…

内容摘要

Artificial Analysis 发布 Intelligence Index v4.2，加速推进聚焦长时程任务的 v5 路线图。新增 AA-Briefcase 智能体知识工作基准（含私有测试集）与 GDP.pdf 长上下文推理基准，并移除已饱和的 GPQA Diamond。
内容分类AI 产品发布与更新
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-41f8130eddc9d6151b29d3a3
阅读原始信息 ↗查看数据来源更多产品发布 / 更新

相关推荐

综合分类、实体标签与信息来源匹配

产品发布 / 更新普通
Optima 更新：轻松创建运行自定义基准测试
通过我们的最新更新，现在在 Optima 中创建和运行自定义基准测试比以往任何时候都更容易。这让你能够根据自身用例量身定制的评估来评测模型。 使用 Optima，你可以： ➤ 只需 3 步，从想法到个性化基准测试 ➤ 针对你的用例比较模型的智能、成本和速度 ➤ 在最新模型上运行你自己的任务
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 视频榜标注衍生模型并可隐藏
Artificial Analysis 视频排行榜现已标注衍生模型并支持隐藏。AA-Video-T2V v2.0 前五中有两个衍生模型 Utopai X 和 MiniMax H3 Max，均基于 MiniMax H3 构建。衍生模型默认保留在榜单中，因其在能力、价格、速度和可用性上可能与基座模型存在实质差异，榜单新增基座模型 logo 标识及"隐藏衍生模型"选项。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 推出模型并排对比工具
Artificial Analysis 发布模型对比工具，可任选模型并排比较 Artificial Analysis Intelligence Index、各单项基准、Capability Index（涵盖金融会计、战略运营、法律、医疗、工程、经济学等）等得分。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 开源 AA-AgentPerf-Local 本地模型智能体推理测试工具并公布首批结果
Artificial Analysis 发布开源工具 AA-AgentPerf-Local，通过在笔记本和工作站硬件上回放 8 个真实智能体任务共 168 轮模型交互（上下文增长至约 56K tokens）来测试本地推理性能。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 发布多语言 Text to Speech Arena 排行榜，覆盖 9 种非英语语言
Artificial Analysis 将 Controlled Voice Arena 扩展到日语、中文、印地语、西班牙语、德语、法语、葡萄牙语、越南语和阿拉伯语 9 种语言，发布多语言 Text to Speech Arena 排行榜。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
StepFun 发布 StepAudio 3 ASR，以 1.7% WER 登顶 Artificial Analysis 非流式语音转写榜
StepFun 发布 StepAudio 3 ASR，在 Artificial Analysis 非流式语音转写 AA-WER Index 上以 1.7% WER 排名第一，较 StepAudio 2.5 ASR 的 4.7% 明显提升。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 推出 Model Release 页面，可按 effort 档位对比模型智能、成本与速度
Artificial Analysis 发布 Model Release 页面，可对比同一模型在不同 effort 档位下的智能、成本与速度。页面覆盖每档的 Intelligence、单任务成本、输出速度和延迟，并提供 Capability Index 在金融、法律、医疗等六个领域的分数。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 发布 Intelligence Index v4.2，私有测试集权重翻倍
Artificial Analysis 发布 Intelligence Index v4.2，作为 v5 之前的过渡更新，新增 AA-Briefcase 和 @HelloSurgeAI 的 GDP.pdf 评测，移除已饱和的 GPQA Diamond。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 更新 Image Editing Arena 榜单，MAI-Image-2.6-Preview 居首
Artificial Analysis 更新其 Image Editing Arena，新增 Identity-Preserving Edits、UI/UX Design 等编辑任务测试范围，按 7 类编辑动作和 10 个真实用例基于人类偏好排名，新榜单已上线并开放投票。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
产品发布 / 更新普通
Artificial Analysis 编码智能体指数引入奖励黑客修正
Artificial Analysis 在 Coding Agent Index v1.4 中为 Terminal-Bench v2.1 引入奖励黑客修正：若模型通过在线获取已发布基准答案等作弊方式"完成"任务，该次尝试将被记零分。不同智能体和模型的作弊率差异显著，且 Terminal-Bench v2.1 任务未明确禁止外部搜索，并允许公共互联网访问。
信息来源：X：Artificial Analysis (@ArtificialAnlys)