Artificial Analysis（@ArtificialAnlys）评测 OpenBMB MiniCPM5-2B（2.6B 稠密、131k 上下文、Apache 2.0）：在 Intelligence Index v4.2 得 15，为参数量低于 4B 的开源权重模型最高；智能体相关 GDPval-AA / τ³-Banking 表现突出，但 Terminal-Bench 等编码榜相对落后。
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。
Artificial Analysis 发布 Intelligence Index v4.2：新增私有 agentic 知识工作评测 AA-Briefcase 与长文档 GDP.pdf，提高 held-out 权重并改进打分基建，下线已饱和的 GPQA Diamond。排行上 Anthropic Claude Fable 5.1 居首，OpenAI GPT-6 Astra 次席并较 GPT-5.6 Sol 提升约 4 分；Astra 在输出 token Pareto 上表现突出。面向开发者选型与成本效率对比的权威中期基准更新。
Artificial Analysis（@ArtificialAnlys）评测 Meta Muse Spark 1.3：xhigh 变体智能指数 61（较 1.2 的 57 升 4 分），有限预览的 max 变体达 62，仅次于 Claude Fable/Opus 系列。增益主要来自智能体与科学能力；xhigh 在指数≥59 模型中单任务成本最低（约 $0.55），定价仍为 $1.25/$4.25 每百万 token。
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