이미지: X — 벤치마크·평가
摘要
- Artificial Analysis于2026年8月6日宣布,将其Intelligence Index更新至v4.1.1版本。
- 本次补丁的核心内容是升级用于评分的grader模型,并纳入最新版τ³-Banking。
- 公告中并未同时公布具体分数变动或各模型排名变化,尚需进一步确认。
- 발표 주체
- Artificial Analysis (벤치마크·평가 기관)
- 발표 일자
- 2026년 8월 6일 (UTC)
- 버전
- Artificial Analysis Intelligence Index v4.1.1
- 릴리스 성격
- 패치 릴리스(patch release)
- 변경 1
- 그레이더(채점) 모델 업그레이드
- 변경 2
- 최신 τ³-Banking 버전 반영
- 지수 위상
- 종합(synthesis) 지표로서의 유용성 유지를 목적으로 명시
- 공개 채널
- X(구 트위터) 게시물
指数升级至v4.1.1
AI模型评测机构Artificial Analysis更新了其综合评测指标Artificial Analysis Intelligence Index,版本号升至v4.1.1。相关消息于2026年8月6日通过X平台发布,官方明确表示此次更新属于补丁发布,而非大规模改版。
公告中提及的变更共有两项:一是升级用于评分的grader模型,二是将最新版τ³-Banking纳入Artificial Analysis的评测体系。该机构表示,此举是为了将该指数继续维持为"最有用的综合指标"。
本次补丁确认的变更内容
| 项目 | 内容 |
|---|---|
| 版本 | v4.1.1 |
| 发布类型 | 补丁 |
| 变更1 | 升级grader模型 |
| 变更2 | 纳入最新版τ³-Banking |
| 发布渠道 | X平台帖子 |
| 发布日期 | 2026-08-06 |
更换grader模型意味着什么
grader模型是自动判定回答是否正确、质量如何的评分主体。因此,一旦更换grader,即便是相同的评测题目,评分结果也可能发生变化。不过此次公告并未说明具体采用哪个模型作为grader,也未公布更换前后的分数变化数据。也就是说,仅凭本次公开的信息,尚无法确认各个模型的指数值或排名究竟发生了怎样的实际变化。
关于τ³-Banking,公告也只是提到纳入了最新版本,并未说明与旧版本相比有何差异,或该版本如何被纳入评分体系。
尚未明确的部分
评测指标的版本管理直接关系到基准测试的可信度,但此次发布更接近于一份简要公告。详细的变更日志、需要重新评分的范围,以及与此前v4.1版本结果的对比表等信息,仍需在其他文档中另行确认。
关于AI模型评测方式及基准测试解读的更多分析,可参阅METAL LAB相关基准测试报道。
由于评测指标一旦变更,同一模型的分数也会随之变动,因此本次补丁发布后公布的排行榜数据,不宜直接与旧版本的数据进行比较。
