Artificial Analysis 於 10 月 27 日發布 Intelligence Index v5，是今年 1 月 v4 以來最大升級，60% 的評測改用私有測試集或留出答案。榜單上 Claude Opus 5.5（max）以 58 分居首，GPT-6 Astra 57 分、GPT-6.1 Sol 55 分… 看完整事件
Artificial Analysis Intelligence Index v5 發布，Claude Opus 5.5…
Artificial Analysis 發布 Intelligence Index v5，Claude Opus 5.5（max）以 58 分居首，GPT-6 Astra 57 分、GPT-6.1 Sol 55 分緊隨，Gemini 4 Argon 50 分。
六成考題改用私有或留存答案以防汙染，並首次納入 Cognition 私有編碼基準與單任務成本橫評，開源與閉源差距擴大到 12 分，對做模型選型與 API 成本核算的開發者最有用。
原標題：Artificial Analysis Intelligence Index v5
閱讀原文
| 評分 | 78 / 80（平均 79，門檻 76） |
|---|---|
| 狀態 | 精選 |
相關報導
Claude Opus 5.5 機器人評測 76.28 分，0.29 分險勝 GPT-6 Astra
RoboColiseum 10 月 20 日發布的評測顯示，Claude Opus 5.5 在四款多模態模型直接指揮機器人的對比中以 76.28 分居首，GPT-6 Astra 以 75.99 分緊隨，僅差 0.29 分，GPT-6.1 Sol 與 Gemini 4 Argon 分別為 70.91 分和 66.86 分。不過官方總榜前兩名仍由專業具身策略模型 Paimon（77.54 分）和 HiDream-O1-Embodied（76.92 分）佔據；
Anthropic 發布 Claude Opus 5.5，執行成本比 Opus 5 低 40%
Anthropic 發布 Claude Opus 5.5。官方稱，它在 agentic coding 與知識工作上領先，典型負載下執行成本比 Opus 5 低 40%。同一批更新中，Claude Sonnet 5.5 比 Sonnet 5 快 30% 以上，多數任務成本最多低 30%；面向摘要、subagent 與瀏覽器操作等高併發任務的最快小模型 Claude Haiku 5.5 也已推出。
AA-Robotics 首份榜單發布：GPT-6 Astra 操控機械臂得分居首
Artificial Analysis 於 10 月 14 日發布 AA-Robotics v0.1，首次讓 GPT、Claude、Gemini 等前沿模型藉助程式設計 Agent 操控真實機械臂，零樣本完成倒水、寫字、搭積木等八項任務。GPT-6 Astra 以 69.4 分居首，GPT-6.1 Sol 64.6 分，Gemini 4 Argon 55.3 分，Claude Opus 5.5 與 Fable 5.1 分別為 48.8 和 46.3 分。
Ai2 發布基準：LLM 判斷研究新穎性並不可靠
Ai2 發布 Old Ideas, Novel Problems 研究與配套基準，結論是用 LLM 當新穎性評審並不可靠：只改 prompt 裡幾處措辭，模型分辨兩個想法哪個更新的準確率就變動超過 50 個百分點。測試涵蓋 GPT-5.1、GPT-5.2、GPT-5.4 與 Claude Sonnet 4.5、Opus 4.5/4.6，檢索與額外推理都不能穩定改善判斷，兩個專門建置的新穎性評估系統還不如直接用 prompt 呼叫的 Claude Opus 4.6 基線。
Claude Haiku 5.5 發布，跑分逐項超 GPT-6 Luna，價格最高降 90%
Anthropic 發布 Claude Haiku 5.5，官方跑分逐項超過 GPT-6 Luna，成為新的小模型守門員。10 萬 token 以內的請求輸入輸出價格降 90%，超出部分降 50%，但換用新 tokenizer 後同一任務耗費 token 更多，實際省下的錢少於標價折扣。它首次支援 low 到 max 五檔 effort 調節，OSWorld 2.1 上 Low 檔準確率 42.0%、單次成本 $0.07，Max 檔 72.4%、$0.61；