Artificial Analysis
Artificial Analysis是一个独立的AI模型评测与比较平台，专注于对大型语言模型及其他AI模型进行多维度基准测试，涵盖模型能力（Intelligence Index智能指数）、推理速度、价格及可用性等指标。平台以独立、客观为原则，汇聚多项标准化测试结果，为研究人员、开发者和企业提供跨模型的横向比较参考。
核心事实
时间轴 (近 90 天)
根据Artificial Analysis数据，Gemini 4 Argon高努力模式大致与Claude Fable 5.1、GPT 6 Astra最佳努力模式同梯队，但落后于Claude Sonnet 5.5最佳努力模式、Meta AI的Amuse Wonder以及Claude Opus 5.5最佳努力模式。
在 Artificial Analysis 的私有知识测试中，GPT-6.1 Terra 的幻觉率从旧版 Terra 的 88% 降至 38%。
Artificial Analysis 的 Coding Agent Index 中，GPT-6.1 Terra 得分为 48，Sol 为 54，Luna 为 31。
微软 MAI Image 2.7 Preview 在 Artificial Analysis 图像编辑榜排第二，在 LM Arena Image Edit Arena 得分 1470 位列第三，比 2.6 版本高 45 分，目前仅在 MAI playground 提供编辑功能，API 定价未公布。
AA智能指数是第三方评测机构Artificial Analysis维护的综合榜单，将多项推理、知识、编码、数学基准折算为单一分数。
Fish Audio 发布语音模型 Drama 3，在 Artificial Analysis 的两个语音竞技榜单中均位列开放权重模型第一，在发音稳健性测试中位列所有模型第一，使用服务商提供的声音进行文本转语音测试时 ELO 得分为 1278。
在Artificial Analysis编程智能体榜单上，Large 4得分48%，与开源第一的GLM5.3基本打平，但平均每个任务使用的token少47%。
Breeze TTS2（3.5B参数）据开发者引用在Artificial Analysis排行榜上位列第一，超过Gemini和ElevenLabs，且为开放权重。
在Artificial Analysis新的编码指数上，ML4与GLM 5.3拿到相同分数，领先于其他西方开源模型。
在Artificial Analysis的新版智能指数上，Carbon以59分位列第一，领先Claude Opus 5.5的58分和GPT-6 Astra的57分。
还有 40 条时间轴事件
全部知识事实 (20)
Artificial Analysis是将模型智能程度与运行成本放在同一坐标系可视化比较的第三方评测平台
85%已验证Artificial Analysis给Argon的智能指数打出53分，与GPT-6 Astra持平
80%已验证当多个独立评测来源得出一致结论时，其可信度才更高，应交叉验证多个评测来源
75%已验证Artificial Analysis是一家成立于2023年的独立AI模型评测机构，总部位于伦敦
75%已验证Artificial Analysis Intelligence Index 通过综合推理、编码、数学、知识问答等多项评测给出统一智能评分
75%已验证Opus 5.5在终端智能体基准拿到66分，高于Sonnet的55分和Astra的57.9分
70%已验证Artificial Analysis是一个独立的AI模型基准测试平台，综合编程能力、数学推理、语言理解、知识问答等多个维度评估模型表现
70%已验证Vals AI的独立榜单将Gemini 4 Argon放在41个模型中首位（68.9%）
65%已验证Artificial Analysis 等第三方平台会把多个子基准分数标准化后聚合成一个质量指数，使不同模型可在同一刻度上比较
65%已验证Artificial Analysis评测显示DeepSeek V4.1 Flash在Intelligence Index得分40，超过V4 Pro成为DeepSeek新旗舰，采用原生多模态输入，输入激活参数8B、输出激活参数16B，以MIT许可开放
65%已验证Qwen3.8-Flash-Next的激活参数约为6B
65%已验证Artificial Analysis Intelligence Index整合了MMLU、HumanEval、MATH、GPQA等多个基准测试的加权结果
65%已验证ElevenLabs 推出全新的 v4 语音合成模型
65%已验证Artificial Analysis Intelligence Index发布了v4.2版本
65%已验证Moonshot AI推出了2.8万亿参数的巨型开源模型Kimi K3，采用MoE架构
65%部分验证根据 Artificial Analysis 的评测，Gemini 4 Carbon 在其智能指数上排名第一，仅比 Cloud Opus 5.5 高出一分。
80%部分验证NVIDIA于近日发布了Nemotron 3.5 Transcribe语音转写模型。
85%部分验证Gemini 4 Carbon 在 Artificial Analysis Intelligence Index 上得分 59 分。
75%待验证综合智能指数AA由独立评测机构Artificial Analysis发布，汇总MMLU、GPQA、HumanEval、MATH等基准，计算0-100的综合分数
70%待验证GLM-5.3-Flash在Artificial Analysis综合智能指数评测中取得57分，与Claude Opus 4.8持平
70%