AA Intelligence Index v5：Opus 5.5 以 58 分登顶，开源差距拉大到 12 分
Artificial Analysis 10 月 27 日发布 Intelligence Index v5：首次过半权重来自私有/留出评测集，并新加 FrontierCode 2.0 与 Terminal-Bench-Science。Claude Opus 5.5（max）58 分领跑，GPT-6 Astra（max）57、GPT-6.1 Sol（max）55；开源侧 Kimi K3.1 Pro（权重未放）46，已放权的 DeepSeek V4.1 Flash-1017 与 GLM-5.3 最高 32。
Artificial Analysis 官方文章（2026-10-27）宣布 Intelligence Index v5：自 1 月 v4 以来最大升级，60% 权重基于带私有测试集或留出答案的评测。新增 Cognition FrontierCode 2.0（132 道真实开源仓任务，按「维护者愿否合入」打分）与 Terminal-Bench-Science（70 道终端科研 Agent 任务）；升级 HLE-Diamond、AA-Omniscience v1.1、CritPt v2 硬子集；知识工作 / 编码 / 科学 / 综合各占 25%。同期上线 Progress Index v1，把 2022 年 11 月以来模型拉到同一能力尺上。
综合分：Claude Opus 5.5（max）58，领先 GPT-6 Astra（max）57 与 GPT-6.1 Sol（max）55；Anthropic 与 OpenAI 包揽前五，Gemini 4 Argon（high）随后 50。开源差距从 v4.3 的 3 分扩到 12 分：Kimi K3.1 Pro（权重尚未放出）46 分居开源第一；已放权模型中 DeepSeek V4.1 Flash-1017（max）与 GLM-5.3（max）最高 32，仍低于 Claude Haiku 5.5（max，36）。领先模型单任务成本跨度超 13×：GPT-6.1 Terra（max）约 $0.96，Claude Fable 5.1（max）约 $13.04；GPT-6.1 Sol（max）约 $1.27，距 Opus 约 4 分却只有约 1/8 成本。
分项无人通吃：Opus 领 FrontierCode 2.0（46%）、HLE-Diamond（68%）、AA-Omniscience v1.1（48）；Astra 领 Terminal-Bench-Science（63%）与 CritPt v2 硬子集（72%）；Sonnet 5.5 领 AA-Briefcase；Kimi K3.1 Pro 领 Terminal-Bench 4.0（67%）；Gemini 4 Argon 领 AutomationBench-AA（78%）；Muse Wonder Full 领 GDP.pdf。effort 档差更大：Opus 低档 35、满档 58，成本约 10×（$0.98→$10.04）。
