本文目錄
2026 年 10 月 28 日 10:11（Asia/Shanghai），@ArtificialAnlys 宣布 Artificial Analysis Intelligence Index 升至 v5。這是該 Index 首次把多數權重——約 60%——放在私有測試集與持出答案集上，而不是流傳更廣的公開考題。站內另有一篇講的是 Coding Agent Index v2.0／FrontierCode v1.1，不是本條的 Intelligence Index v5／FrontierCode 2.0：見 Coding Agent Index 升到 v2.0：換上 FrontierCode，Claude Code + Opus 5.5 領跑新榜。
本站暫時還沒有複跑這份榜，下列數字以 Artificial Analysis 官站與官號為準。
v5 改了什麼
官站 models 頁現網列出 Intelligence Index v5.0 的九項評測：AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2 (Hard Subset)、Terminal-Bench-Science 0.1。
新增：FrontierCode 2.0、Terminal-Bench-Science。升級：HLE-Diamond（替換 Humanity's Last Exam）、AA-Omniscience v1.1、CritPt v2 hard subset。保留：AA-Briefcase、AutomationBench-AA、GDP.pdf、Terminal-Bench 4.0。移除：GDPval-AA v2.1、SciCode、AA-LCR v1.1。
權重怎麼切
綜合分按四個象限各 25%：
- Knowledge Work 25%：AA-Briefcase 15%、AutomationBench-AA 5%、GDP.pdf 5%
- Coding 25%：FrontierCode 2.0 15%、Terminal-Bench 4.0 10%
- Science 25%：Terminal-Bench-Science 15%、CritPt v2 hard subset 10%
- General 25%：AA-Omniscience v1.1 15%（accuracy 10%＋non-hallucination 5%）、HLE-Diamond 10%
編程代理選型裡 Coding 這一塊仍然很重——但這裡對應的是 Intelligence Index 裡的 FrontierCode 2.0，不是上文那篇舊 Coding Agent Index。
綜合分亮點（max）
在 max 設定下，Claude Opus 5.5 (max) 以 58 領跑，其後是 GPT-6 Astra (max) 57、GPT-6.1 Sol (max) 55。Anthropic 與 OpenAI 占前五；Gemini 4 Argon (high) 為 50。
開源側：權重未發的 Kimi K3.1 Pro 記 46（開源側最高，落後榜首 12 分；v4.3 時缺口曾為 3）。已發權重裡，DeepSeek V4.1 Flash 1017 (max) 與 GLM-5.3 (max) 均為 32。Claude Haiku 5.5 (max) 36 仍高於這兩者。
FrontierCode 2.0
FrontierCode 2.0 是 Cognition 的私有編程榜，落在 Coding 象限。共 132 道真實開源倉題，按維護者是否會 merge 打分；blocking fail 或查答案行為記 0；任務私有以降低污染。Artificial Analysis 在 Stirrup 上每題跑 3 次。
Opus 5.5 (max) 約 46% 第一（評測頁為 46.4%）。Astra、GPT-6.1 Terra、Sonnet 5.5 (max) 均約 42%（官站約 42.4%）。已列開源權重最高為 DeepSeek V4.1 Flash 1017 (max) 28%。
代理與套餐用量對比見 Claude Code 和 Codex 該選哪個？價格和用量上限比一比。
每題成本與 token 負擔
按 Intelligence Index 單次任務計，Artificial Analysis 列出 Opus 5.5 (max) 約 $10.04、Astra (max) $6.24、GPT-6.1 Sol (max) $1.27——Sol 與 Opus 分差約 ≤4，成本約 1/8。前十裡另有 Terra (max) 約 $0.96、Fable 5.1 (max) 約 $13.04（相對 Sol 超過 13×）。
相對 v4.3，每題輸出 token 中位數從約 35k 升到 59k（約 +2/3）。effort 檔差更大：官方舉例 Opus low 35、max 58。
同廠另一條能力與成本對照見 Code2Video-AA 新榜：用程式碼做影片動效，能力與成本怎麼比？。同一開源權重換 API 提供方，速度與帳單也可能一起變：同一個開源模型，換家 API 為什麼速度和帳單都變了？。
Progress Index v1 是另一條產品線
與 v5 同期，Artificial Analysis 還推出 Progress Index v1：用 IRT 長尺度，把模型可比性拉回 2022 年 11 月。那是進步時間軸，不是日常 frontier 表的直接替換。現用例／現網 frontier 仍看 Intelligence Index。v4.3 與 v5 的綜合分不宜當成同一把尺硬比。
數字以 Artificial Analysis 公開發布為準。僅供參考。