Artificial Analysis 智能指数进步提速

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。

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。

Artificial Analysis 评测阶跃星辰 Step 5 Preview，其在 Artificial Analysis Intelligence Index 得 44 分，与 Kimi K3 (max) 持平，略低于 GLM-5.3 (max) 和 Qwen3.8 Max 的 45 分，每任务成本约 $0.72，约为同级模型（约 $2.00）的 1/2.8。

Artificial Analysis 发布 Speech to Speech Index，OpenAI 的 GPT-Live-1 以 81.5 分（Astra 后端，medium 推理强度）排名第一，超过 Grok Voice Think Fast 2.0 High 的 81.3；Sol 后端配置得 80.1 排第三。

过去八天内，Grok 4.5、GPT-5.6、Muse Spark 1.1 与 Kimi K3 四款前沿模型相继发布，使 Artificial Analysis Intelligence Index 得分超 50 的实验室从 6 月初的 2 家增至 6 家。

Artificial Analysis 发布 CyberGym-E2E-AA 基准评测，测量模型在内存安全任务上从漏洞发现到打补丁的网络防御能力。部分前沿模型在 85% 以上任务上被安全拦截无法响应；GPT-6 Luna 和 MiMo-V2.6-Pro 在 1M+ 行代码库上跑约 100 次漏洞挖掘仅需约 $20，单任务成本比次强的 Grok 4.7 便宜最多 100 倍。

Artificial Analysis 智能指数与每任务成本的帕累托前沿在过去 18 个月发生了显著变化 仅一年前，得分最高的模型是 GPT-5 mini (high)，在 Intelligence Index v4.3 上得分 17，每任务成本约 $0.05。截至上周，Claude Opus 5.5 创下有史以来最高分 58，每任务成本约 $5.98。

蚂蚁集团旗下 inclusionAI 发布 6B 参数文生图模型 Ming-Image-0.1-Design，以 MIT 协议开源权重，支持 RGBA 透明背景输出，面向 UI、信息图、海报等富文本视觉设计。

Artificial Analysis 测算 Claude Opus 5.5 (max) 每 Intelligence Index task 成本为 $5.98，与 Opus 5 (max) 的 $5.86 接近。Opus 5.5 token 用量上升单独会使成本升至 $10.51，但 Anthropic 基础价格下调 20%（$5/$25 降至 $4/$20）降至 $8.41，缓存读取降至 $0.20/1M 再降 29% 至 $5.98。

Artificial Analysis 发文指出，GPT-6 Sol 和 Luna 在 Intelligence Index 中得分与各自前代相近，但 token 定价下降约 50%，将单任务成本减半。其图表展示了各代 OpenAI 模型在智能与单任务成本之间的权衡曲线。