先了解这件事
2026年10月13日,Artificial Analysis 发布 Decision Index v1.0,用于评测决策模型在分类、工具调用、知识、幻觉与推理上的表现。该指数包含四项评测:由 AA-Omniscience 改编的 500 道私有题、HLE 的 513 道文本多选题、NVIDIA 工具调用评测以及 Ai2 安全分类测试集。据其公布结果,Jev 1.13 以 58 分居首,GLiDE 与 Microsoft-Decision-1 均为 54 分;Decider v1.1 27B 每百万任务成本最低,为 17 美元,Celeris-1 Decision 每任务 0.06 秒最快。该方同时表示,决策模型比 LLM 更快更便宜,但知识与推理落后。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Artificial Analysis 完整文章
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月14日
Latent Space
AI Engineer NYC 动态：Gemini 4 Argon 上线与 Vals AI 基准
Gemini 4 Argon 正式 GA，Artificial Analysis 将其 Intelligence Index 水平与 GPT-6 Astra 持平，任务成本约为后者 60%，入门价每任务 1.99 美元。约 2 万人参加 AIE NYC，Anthropic、Vals AI 与 Coatue 分别就 AI 金融服务栈、模型基准方法和投资决策发表主题演讲。Anthropic 披露其每日合并量从 5 月约 2500 次增至 9 月逾 3 万次，并在五个月内将 monorepo 迁出 Git。
Artificial Analysis
Artificial Analysis 发布 Decision Index v1.0，Jev 1.13 居首
Artificial Analysis 发布 Decision Index v1.0，用于评测决策模型在分类、工具调用、知识和推理上的表现。Jev 1.13 以 58 分居首，领先 GLiDE 和 Microsoft-Decision-1 的 54 分；Perplexity 的 Decider v1.1 27B 每百万任务成本最低为 17 美元，Celeris-1 Decision 每任务耗时 0.06 秒最快。在分类和工具调用任务上，领先决策模型与语言模型表现相当但更快更便宜，而 Claude Haiku 5.5 (Low) 以 61 分领先 Jev 1.13 3 分，但每任务耗时 1.4 秒、成本 184 美元，分别是后者的 11 倍和 4.4 倍。
10月13日
Artificial Analysis 完整文章一手
Artificial Analysis 发布 Decision Index v1.0，评测决策模型
Artificial Analysis 推出 Decision Index v1.0，用四项评测（AA-Omniscience 改编的 500 道私有题、HLE 的 513 道文本多选题、NVIDIA 工具调用评测、Ai2 安全分类测试集）衡量决策模型在分类、工具调用、知识、幻觉与推理上的表现。Jev 1.13 以 58 分居首，GLiDE 与 Microsoft-Decision-1 均为 54 分；Decider v1.1 27B 每百万任务成本最低为 $17，Celeris-1 Decision 每任务 0.06 秒最快。决策模型比 LLM 更快更便宜，但知识与推理落后。
10月12日
Artificial Analysis 完整文章一手精选
Meta 发布 Muse Wonder 与 Muse Wonder Full，智能指数最高升至 56
Meta 发布 Muse Wonder 和 Muse Wonder Full，在 Artificial Analysis Intelligence Index v4.3 最高推理强度下分别得分 52 和 56，高于 Muse Spark 1.3（max）的 48，发布间隔仅 6 周。Muse Wonder Full（max）在十项评测中全面超过 Muse Spark 1.3（max），智能体类提升最大，Terminal-Bench 4.0 从 33% 升至 57%，GDPval-AA v2.1 从 1681 Elo 升至 1857。Muse Wonder 已在 Meta 一方 API 和 Muse Code 上线，Muse Wonder Full 仅面向 Muse Code 用户，两者上下文窗口均为 1M tokens。