Artificial Analysis 发布多语言 Text to Speech Arena 排行榜，覆盖 9 种非英语语言

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。

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。

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。

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。

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。

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。

您现在可以使用 Optima 对 Qwen3.8 27B 进行基准测试。了解这款可在笔记本电脑上运行的模型，在您的定制用例中，其性能、成本和速度表现如何。 我们还为希望为其用例构建基准测试的企业提供积分以及 Artificial Analysis 团队成员的免费咨询。如果您感兴趣，请告诉我们：https://forms.gle/VxRfD7toBXFBjVZc9 立即在 https://artificialanalysis.ai/optima 构建并运行您的自定义基准测试。

Artificial Analysis 与 Liquid AI 合作，在 iPhone 17 Pro 和 Galaxy S26 Ultra 上对 4-bit 或更低精度的小模型进行端到端推理性能与智能水平独立评测。

OpenAI 为 GPT-6 系列推出改进的提示词缓存系统，默认提高缓存命中率，对 30 分钟窗口内复用的合格共享前缀提供最高 90% 的缓存输入 token 折扣。

Claude Code 发布 v2.1.280，新增 Claude Opus 5.5（claude-opus-5-5）为默认 Opus 模型，支持 1M 上下文，价格为 $4/$20 per Mtok、缓存读取 $0.20/Mtok；同时将 Pro 和 Team Standard 计划的默认模型从 Sonnet 改为 Opus。