AI圈报
论文研究普通

Artificial Analysis 视频竞技场两周年

信息来源：X：Artificial Analysis (@ArtificialAnlys)·
原始标题：Two years ago today we launched the Artificial Analysis Video Arena, the leading crowdsourced comparison for Text to Video models

内容摘要

两年前的今天，我们推出了 Artificial Analysis Video Arena，这是领先的文本生成视频模型众包对比平台。 此后，我们陆续新增了图生视频、带音频视频和视频编辑的排行榜。最初的排行榜仅有八个模型——如今我们已评测超过 140 个。
内容分类AI 论文与研究
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-4dcfaf79ec5caae441797ae2
阅读原始信息 ↗查看数据来源更多论文研究

相关推荐

综合分类、实体标签与信息来源匹配

论文研究精选
OpenAI发布GPT-5.4 mini与nano轻量模型
OpenAI发布GPT-5.4 mini与nano轻量模型，保留多档推理能力与400K上下文窗口，价格降至$0.20/$1.25每百万token。基准测试显示，GPT-5.4 nano在τ²-Bench等多项测试中领先Claude Haiku 4.5与Gemini 3.1 Flash-Lite Preview，但幻觉率较高且token消耗量大。得益于极低单价，nano在Intelligence Index测试中的有效成本反而低于竞品，展现出优秀的性价比优势。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · OpenAI / GPT / Claude
论文研究普通
同实验室模型人格画像趋同
同一实验室的模型往往具有相似的人格画像，不过有些实验室存在明显不同的子群。 按30项人格特质对模型进行聚类，可得到三个自然形成的家族：Anthropic 模型与 OpenAI 的 GPT-6 模型归为一类，Google 模型与 Meta 的 Muse 模型归为一类，较早期的 OpenAI 模型则与 Llama 4 Maverick 同属一类。下文我们将逐一拆解各实验室内部的子群。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · OpenAI / GPT / Claude
论文研究普通
Artificial Analysis 发布 AA-PersonalityBench 模型人格基准
Artificial Analysis 推出 AA-PersonalityBench，从 30 项人格特质和 21 项沟通特征两个维度衡量语言模型差异，基于 900 道精选问题、由 LLM 评审团两两对比打分。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
论文研究普通
Artificial Analysis 发布 AA-Robotics v0.1 基准，GPT-6 Astra 居机械臂任务榜首
Artificial Analysis 发布研究预览版基准 AA-Robotics v0.1，让前沿大语言模型在编码 Agent 环境中直接操控 6 轴机械臂完成 8 项桌面任务。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT
论文研究普通
Artificial Analysis 发布 AA-Robotics v0.1 基准，GPT-6 Astra 居首
Artificial Analysis 发布 AA-Robotics v0.1 研究预览，测试前沿语言模型控制 6 轴机械臂在物理世界理解、规划和执行的能力，首批公布八个任务的结果。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT
论文研究普通
Artificial Analysis 新增 AMD MI355X 智能体推理测试结果
Artificial Analysis 将 AMD MI355X 纳入 AA-AgentPerf 基准，覆盖 Kimi K3、GLM-5.2/5.3 和 DeepSeek V4 Pro，并与 NVIDIA B200/B300 对比编码智能体推理性能。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · DeepSeek / GLM / Kimi
论文研究普通
Artificial Analysis 发布 Decision Index v1.0，Jev 1.13 居决策模型之首但仍不及 Claude Haiku 5.5
Artificial Analysis 发布 Decision Index v1.0，从知识、推理、工具调用和分类四个基准评测决策模型的能力、成本和速度。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude
论文研究普通
Artificial Analysis 发布 AA-3D 基准，评测模型构建交互式 3D 场景能力
Artificial Analysis 推出 AA-3D 基准，让 21 个模型作为智能体在离线沙箱中把书面简报转化为 three.js 网页，由超 1000 名评委盲评产出逾 10000 票的 Elo 排名。
信息来源：X：Artificial Analysis (@ArtificialAnlys)
论文研究普通
Artificial Analysis 祝贺 State of AI 报告发布
恭喜发布，很高兴看到 Artificial Analysis 的基准测试贯穿其中！
信息来源：X：Artificial Analysis (@ArtificialAnlys)
论文研究普通
Artificial Analysis 将发布 Intelligence Index v5
宣布 Artificial Analysis Intelligence Index v5 将于十月下旬推出 Intelligence Index v5 将是对 AI 前沿基准测试的一次重大飞跃。变化包括新增 Terminal-Bench Science 以及一个使用私有数据集的新编程基准。 敬请期待更多消息。
信息来源：X：Artificial Analysis (@ArtificialAnlys)