Artificial Analysis（@ArtificialAnlys）发布 Intelligence Index v4.3：将 Terminal-Bench 从 2.1 升至 4.0（改用 mini-SWE-agent），并以与 Zapier 合作的 AutomationBench-AA（657 条私有业务工作流）替换 τ³-Banking；Claude Fable 5.1 与 GPT-6 Astra 并列领先得分 53，OpenAI 占据多数性价比前沿。
核心要点速览
- ✓基准：Index v4.3 升级 Terminal-Bench 4.0，并新增 AutomationBench-AA（私有测试集）。
- ✓权重：含私有任务/答案的评测权重由 40% 升至 45%；Agents/Coding/General/Science 类别权重不变。
- ✓结果：Claude Fable 5.1 与 GPT-6 Astra 并列 53；开源权重侧 GLM-5.3 / Kimi K3 以 44 领先。
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读Artificial Analysis 发布权威医疗基准 HealthBench 与 MLCR-AA：首曝长回复偏差（Verbosity Bias）对模型排名的严重失真
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察