本文目录
2026 年 10 月 28 日 10:11（Asia/Shanghai），@ArtificialAnlys 宣布 Artificial Analysis Intelligence Index 升至 v5。这是该 Index 首次把多数权重——约 60%——放在私有测试集与持出答案集上，而不是流传更广的公开考题。站内另有一篇讲的是 Coding Agent Index v2.0／FrontierCode v1.1，不是本条的 Intelligence Index v5／FrontierCode 2.0：见 Coding Agent Index 升到 v2.0：换上 FrontierCode，Claude Code + Opus 5.5 领跑新榜。
本站暂时还没有复跑这份榜，下列数字以 Artificial Analysis 官站与官号为准。
v5 改了什么
官站 models 页现网列出 Intelligence Index v5.0 的九项评测：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。升级：HLE-Diamond（替换 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。
权重怎么切
综合分按四个象限各 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%
编程代理选型里 Coding 这一块仍然很重——但这里对应的是 Intelligence Index 里的 FrontierCode 2.0，不是上文那篇旧 Coding Agent Index。
综合分亮点（max）
在 max 设置下，Claude Opus 5.5 (max) 以 58 领跑，其后是 GPT-6 Astra (max) 57、GPT-6.1 Sol (max) 55。Anthropic 与 OpenAI 占前五；Gemini 4 Argon (high) 为 50。
开源侧：权重未发的 Kimi K3.1 Pro 记 46（开源侧最高，落后榜首 12 分；v4.3 时缺口曾为 3）。已发权重里，DeepSeek V4.1 Flash 1017 (max) 与 GLM-5.3 (max) 均为 32。Claude Haiku 5.5 (max) 36 仍高于这两者。
FrontierCode 2.0
FrontierCode 2.0 是 Cognition 的私有编程榜，落在 Coding 象限。共 132 道真实开源仓题，按维护者是否会 merge 打分；blocking fail 或查答案行为记 0；任务私有以降低污染。Artificial Analysis 在 Stirrup 上每题跑 3 次。
Opus 5.5 (max) 约 46% 第一（评测页为 46.4%）。Astra、GPT-6.1 Terra、Sonnet 5.5 (max) 均约 42%（官站约 42.4%）。已列开源权重最高为 DeepSeek V4.1 Flash 1017 (max) 28%。
代理与套餐用量对比见 Claude Code 和 Codex 该选哪个？价格和用量限制比一比。
每题成本与 token 负担
按 Intelligence Index 单次任务计，Artificial Analysis 列出 Opus 5.5 (max) 约 $10.04、Astra (max) $6.24、GPT-6.1 Sol (max) $1.27——Sol 与 Opus 分差约 ≤4，成本约 1/8。前十里另有 Terra (max) 约 $0.96、Fable 5.1 (max) 约 $13.04（相对 Sol 超过 13×）。
相对 v4.3，每题输出 token 中位数从约 35k 升到 59k（约 +2/3）。effort 档差更大：官方举例 Opus low 35、max 58。
同厂另一条能力与成本对照见 Code2Video-AA 新榜：用代码做视频动效，能力与成本怎么比？。同一开源权重换 API 提供方，速度与账单也可能一起变：同一个开源模型，换家 API 为什么速度和账单都变了？。
Progress Index v1 是另一条产品线
与 v5 同期，Artificial Analysis 还推出 Progress Index v1：用 IRT 长尺度，把模型可比性拉回 2022 年 11 月。那是进步时间轴，不是日常 frontier 表的直接替换。现用例／现网 frontier 仍看 Intelligence Index。v4.3 与 v5 的综合分不宜当成同一把尺硬比。
数字以 Artificial Analysis 公开发布为准。仅供参考。