Artificial Analysis Intelligence Index 更新至 v5，開放權重與閉源模型差距擴大

評測機構 Artificial Analysis 將 Intelligence Index 升級至 v5 版本，並宣稱此為重大更新以提升排名準確性。此次調整導致開放權重模型與閉源模型之間的分數差距從 3 分擴大至 12 分，引發社群對評測方法可重複性的質疑。

AI 新聞雷達編輯團隊·本站收錄：2026/10/29 03:47（台灣時間）·閱讀約 2 分鐘

本站收錄時間為新聞雷達完成整理的時間，不代表事件發生時間。原文日期僅在取得明確來源證據時顯示；未標示者請參閱下方原始來源。

30 秒掌握

v5 版本有 60% 的指標基於私有測試集或保留答案進行評估，導致外部研究者難以重現結果。

開放權重模型榜首 Kimi K3.1 Pro 得分為 46，但該模型權重尚未發布；已發布權重的最高分由 DeepSeek V4.1 Flash 與 GLM-5.3 佔據，得分為 32。

閉源模型 Claude Haiku 5.5 (max) 得分為 36，高於目前所有已發布權重的開放模型。

部分使用者根據實際使用經驗質疑排名準確性，例如認為 GPT-Terra-6.1 表現優於 Fable-5.1，但排名未反映此差異。

評測指標構成與可重複性爭議

Artificial Analysis 宣布 Intelligence Index v5 為重大升級，旨在提供更準確的模型排名。然而，該版本有 60% 的評估內容依賴私有測試集或保留答案（held-out answers）。

由於這些測試數據未公開，外部研究者無法獨立重現評測結果。這種不透明性引發社群對評測公正性與可驗證性的討論。

根據官方公告，v5 版本中開放權重模型與閉源模型之間的平均分數差距從舊版的 3 分擴大至 12 分。這一變化顯示在新評測標準下，閉源模型的相對優勢被放大。

在開放權重類別中，Kimi K3.1 Pro 以 46 分居首，但官方註明其模型權重尚未發布。因此，該排名僅代表理論上的能力評估，而非可下載使用的實際狀態。

在已發布權重的開放模型中，DeepSeek V4.1 Flash 1017 (max) 與 GLM-5.3 (max) 並列最高分，得分為 32。這比榜首 Kimi K3.1 Pro 落後 14 分，也比閉源模型 Claude Haiku 5.5 (max) 的 36 分低 4 分。

官方數據顯示，目前可實際下載並使用的開放權重模型，在該指數下的表現明顯低於部分閉源模型。

部分 Reddit 使用者根據自身與模型的互動經驗，對 v5 排名的準確性提出疑問。有評論指出，在某些實際應用場景中，GPT-Terra-6.1 的表現似乎優於 Fable-5.1，但排名結果並未反映這種差異。

這些反饋顯示，靜態基準測試與使用者在特定任務上的主觀體驗之間可能存在落差，特別是在評測數據不公開的情況下，難以釐清差異來源。