Artificial Analysis 发布 Endpoint Accuracy Index v1.1：100+ 无服务器端点近 1/4 低于参考权重部署

核心背景与行业痛点

同一开源权重经不同 API 厂商托管后，常因量化、采样默认、上下文截断、输出上限或工具调用解析而掉精度。只比价格与速度，可能买到「同名模型、更低精度」。Artificial Analysis Endpoint Accuracy Index 把端点精度做成可比较分数。

架构亮点与底层机制

以自建官方权重部署为参考（100%），对 serverless 端点重跑等权套件并给 95% 置信区间。v1.1 将 AA-LCR-25 升到 v1.1（修正答案键，判分用 GPT-5.6 Luna medium），重复 10→25，官方称平均 95% CI 约 ±4.7→±2.6。覆盖六款开源权重，新增 GLM-5.3 Flash 与 Muse Spark Open。结果为带日期点测，非实时监控。

权威 Benchmark 与实测跑分对比

以下为 Artificial Analysis 官方口径：100+ 端点近 1/4 低于参考。GLM-5.3 Flash：22 端点中 16 个与参考统计一致、1 个约 104.2；约 32K 输出上限端点 HLE-250 约 22%/29% vs 参考 55%。Muse Spark Open：5 端点中 3 个约 99.5–99.9（含 FP4）；另 2 个主要在 BFCL-500 掉分（约 50%/51% vs 59%）。请按方法论页核对最新点测日期。

开发者实战落地与开箱指南

选型时对照该指数，优先选与参考置信区间重叠的端点；低分先查输出上限、默认推理力度与工具调用解析。自建/第一方端点可作基线。详见 artificialanalysis.ai；不替代自有评测。