Intelligence Index
由Artificial Analysis发布的大语言模型综合智能评测指数，综合多项任务性能衡量模型整体能力
核心事实
时间轴 (近 90 天)
预览阶段的基准分数可能随模型版本更新而变化，更适合作为能力区间的粗略参考，实际选型应结合任务做小样本评测。
早期第三方基准显示 Mistral Large 4 在 Intelligence Index 上得分 38，落后于 GLM 5.3 的 45 和 KIMI-K3 的 44；Cyber Index 得分为 50，SciBench 达到 93%。
DeepSeek V4.1 Flash 1017 跑完整套 Intelligence Index 所需的输出 token 从2.5亿降到2.1亿，减少约16%。
在 Intelligence Index 上，Muse Spark Open 得分为 39，GLM 5.3 得分为 45。
独立评测机构Artificial Analysis给出的Intelligence Index中，Muse Wonder仅得52分，Claude Opus 5.5高达58分。
Vals AI的独立榜单将Gemini 4 Argon放在41个模型中首位（68.9%）
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
AA在三天内对Intelligence Index进行了两次调整
Artificial Analysis 采用统一、受控的测试环境对模型进行多维度评估，其综合评分将推理、数学、代码、知识问答等维度通过加权算法汇总
全部知识事实 (8)
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%待验证Artificial Analysis 采用统一、受控的测试环境对模型进行多维度评估，其综合评分将推理、数学、代码、知识问答等维度通过加权算法汇总
60%待验证早期第三方基准显示 Mistral Large 4 在 Intelligence Index 上得分 38，落后于 GLM 5.3 的 45 和 KIMI-K3 的 44；Cyber Index 得分为 50，SciBench 达到 93%。
50%待验证预览阶段的基准分数可能随模型版本更新而变化，更适合作为能力区间的粗略参考，实际选型应结合任务做小样本评测。
50%待验证DeepSeek V4.1 Flash 1017 跑完整套 Intelligence Index 所需的输出 token 从2.5亿降到2.1亿，减少约16%。
50%