Artificial Analysis 发布智能指数 v5：Claude Opus 5.5 领先，开源与闭源差距拉大到 12 分

一句话看懂：Artificial Analysis 于 2026 年 10 月 27 日发布 Intelligence Index v5，首次让 60% 的评测基于私有测试集或保留答案；在当期榜单上，Anthropic 的 Claude Opus 5.5 以 58 分居首，开源与闭源模型的差距由 3 分扩大到 12 分。

事件核心：发生了什么

这是该指数自 2026 年 1 月 v4 以来最大的一次升级：新增两个基准（Cognition 的私有编程基准 FrontierCode 2.0、70 项终端科研任务 Terminal-Bench-Science），并升级三项既有评测：用 1,000 题、推理与知识各半的 HLE-Diamond 替换 Humanity’s Last Exam；AA-Omniscience v1.1 清除已饱和和公开题；CritPt v2 改为 40 题私有难题并启用代码执行工具。指数按知识工作、编程、科学、通用各 25% 加权。同期还推出 Progress Index v1，用于在同一尺度上追踪模型能力随时间的变化。

为什么重要

评测的“防污染”正在成为竞争焦点。多数传统榜单依赖公开题集，模型可能因训练数据见得多而虚高；v5 把大部分权重放在私有集或保留答案上，成绩更接近真实可用能力。当期结果也显示梯队分化：Claude Opus 5.5（max）58 分领先，GPT-6 Astra（max）57 分、GPT-6.1 Sol（max）55 分紧随，Gemini 4 Argon（high）为 50 分；前五名由 Anthropic 和 OpenAI 占据。开源方面，Kimi K3.1 Pro 得 46 分但权重尚未发布，已发布权重的 DeepSeek V4.1 Flash 1017（max）与 GLM-5.3（max）仅 32 分，低于 Claude Haiku 5.5（max）的 36 分。

对用户/开发者/创作者的影响

选型不能只看分数。同一榜单中，前十模型完成一次指数任务的成本相差超过 13 倍：GPT-6.1 Terra（max）约 0.96 美元，Claude Fable 5.1（max）约 13.04 美元。对成本敏感的 API 应用，更值得关注单位任务成本与具体子项；科研与编程场景则要看细分结果，例如 Terminal-Bench-Science 中 GPT-6 Astra（max）63% 领先，而多数开源模型不足 10%。可自托管或微调的开源权重模型当前仍落后闭源龙头约 26 分，部署前应做场景内实测。