Artificial Analysis 发布 Progress Index…
We’ve announced the Artificial Analysis Progress Index: a single capability scale for every language model since 2022, launched alongside Intelligence Index v5
Artificial Analysis 发布 Progress Index，并同步推出 Intelligence Index v5。Progress Index 用项目反应理论，从全部评测（含已退役或未纳入 Intelligence Index 的任务）中为每个模型估算一个通用能力分，用于跨时间比较；Intelligence Index 仍用于衡量当前模型智能水平。其数据显示，推理模型出现后前沿每年提升约 65 至 70 分，约为 2023 年速度的两倍；开源权重模型通常比闭源模型落后约 4 个月，DeepSeek V4.1 Flash 1017 以 324 分居开源权重最高。
正文 · AI 翻译
我们发布了 Artificial Analysis Progress Index：一个覆盖自 2022 年以来所有语言模型的单一能力量表，与 Intelligence Index v5 同步推出。
Intelligence Index 仍是我们衡量当前模型智能水平的主要指标。它采用当下对开发者最相关的评测，因此随着评测的新增与退役，其构成会发生变化，不同版本的分数无法相互比较。
Progress Index 则专为跨时间比较而设计。它采用项目反应理论——一种用于标准化测试评分的统计方法——从我们所有评测（包括已退役或未纳入 Intelligence Index 的任务）的底层任务中，为每个模型估算出一个通用能力分数。
用 Intelligence Index 来选择当下的模型。用 Progress Index 来观察能力随时间的变化。
Progress Index 建立在先前将模型置于单一能力量表上的工作之上，尤其是 @EpochAIResearch 的 Epoch Capabilities Index，以及 @AnthropicAI 在其 Claude Mythos Preview 系统卡中发布的能力量表。
要点：
➤ 自推理模型出现以来，前沿每年提升约 65 至 70 分，约为 2023 年速度的两倍：已发布模型中的最高分在 2023 年上升了 35 分（GPT-3.5 Turbo 125 至 GPT-4 Turbo 160），2024 年上升 67 分（至 o1 的 228），2025 年上升 68 分（至 GPT-5.2 的 296），2026 年迄今上升 56 分（至 Gemini 4 Carbon 的 352）。
➤ 开放权重模型通常比专有模型落后约 4 个月：自 2025 年 1 月以来，每一个新的开放权重最高分都在某个专有模型首次达到该分数后的 2 至 8 个月（中位数约 4 个月）出现。DeepSeek V4.1 Flash 1017 是已发布权重模型中得分最高的，为 324 分，这一水平 Claude Fable 5 在 2026 年 6 月就已达到。Kimi K3.1 Pro（权重尚未发布）得分为 341，约在闭源前沿之后两个月。
➤ 新的前沿分数被刷新的频率更高：已发布模型中的最高分在 2023 年于 2 个发布日被刷新，2024 年为 4 个，2025 年为 9 个，2026 年迄今为 11 个。今年大约每四周一次。
➤ 自 2022 年 11 月以来，OpenAI 在大部分时间里保持着最高分，但前沿已成为一场势均力敌的竞争：OpenAI 在测量的前 27 个月中一直位居第一，但尤其在 2026 年，OpenAI、Anthropic 以及如今的 Google 之间的领先地位发生了快速变化。