Artificial Analysis 在视频排行榜中标记衍生模型并新增筛选功能
Artificial Analysis 现已在其排行榜中的衍生视频模型旁显示基础模型标识，并新增了隐藏衍生模型、仅对基础模型排名的选项。
#artificial-analysis
查看全部AI快讯Vidu Q4 Preview 亮相：支持 4K 视频与原生音频，位列 Artificial Analysis 榜单第三
Vidu 在 Q4 正式发布前推出了 Vidu Q4 Preview。该模型可生成 3 至 16 秒、最高 4K 分辨率并带有原生音频的视频片段，在 Artificial Analysis 的 AA-Video-I2V v1.0 榜单中位列第三。
Artificial Analysis 发布 AA-Music v1.1 基准，Suno v6 位列第一
Artificial Analysis 为其 Music Arena 推出了 AA-Music-Vocal v1.1 和 AA-Music-Instrumental v1.1，使用 17 种流派的 1,000 个新提示词评估模型。Suno v6 在两份榜单中均排名第一，Suno v6-mini 位列第二。
Artificial Analysis 在其智能指数中给 Claude Haiku 5.5 评出 43 分
Artificial Analysis 给 Claude Haiku 5.5 评出 43 分，比一年前的前代 Haiku 高出 26 分，并报告其拥有 100 万 token 上下文窗口。测试结果还涵盖 token 消耗量、终端任务、事实准确率，以及该机构认为可能被低估的 AutomationBench 得分。
Gemini 3.8 Live 登顶 Artificial Analysis 语音转语音榜单，音频输入每小时 0.84 美元
Google 的 Gemini 3.8 Live Extended Thinking 模型在 Artificial Analysis 语音转语音榜单中位列第一，标准版在盲测实时人工评估中名列第二。标准版模型每小时音频输入费用为 0.84 美元，为该榜单收录的最低费率。
小米在强化学习中引入质量核对清单评分，防止 MiMo-V2.6-Pro 投机通过测试
仅以通过测试为目标训练的模型会出现插入非请求代码、静默忽略错误等问题。小米在强化学习中将测试结果与质量核对清单评分相乘来解决该问题。调整后的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分，位列开放权重模型首位。
Artificial Analysis 评测 Mistral Large 4：支持 512k 上下文并公布 API 定价
Artificial Analysis 评测了 Mistral Large 4 Preview，该模型在 Intelligence Index 上得分为 38，在 Cyber Index 上得分为 50%。Mistral AI 为这款 512k 上下文模型制定的定价为每百万输入 token 1.36 美元、每百万输出 token 4.18 美元，前两周提供五折优惠。
蚂蚁集团发布 Ling 3.1 Flash，在 Artificial Analysis 智能指数中取得 41 分
蚂蚁集团发布了推理模型 Ling 3.1 Flash，该模型总参数量为 5600 亿，具备 100 万 token 上下文窗口。Artificial Analysis 在其智能指数 v4.3 中对该模型评分 41 分，指出其在智能体性能和 token 效率上改善明显。
Artificial Analysis 测得 OpenAI Web Search 单任务耗时约 31 秒
Artificial Analysis 测试显示，OpenAI Web Search 的单任务耗时约为 31 秒，在 26 款受测产品中位列第 14 名。由于 OpenAI 并未直接公布搜索延迟，测试团队通过流式事件测算得出该数据。
Artificial Analysis 搜索指数给 OpenAI Web Search 打出 74 分
Artificial Analysis 在其搜索指数（Search Index）中测试了 OpenAI Web Search。该工具获得 74 分，在供应商中排第 5，在 26 款测试产品中排第 7。在搭载中等推理档位的 GPT-5.6 Luna 运行时，这项内置搜索工具平均每项任务耗费约 0.05 美元。
Artificial Analysis：Eleven v4 Turbo 生成速度达每秒 96 字符，价格为 Eleven v4 的一半
Artificial Analysis 报告显示，ElevenLabs 的 Eleven v4 Turbo 生成速度达每秒 96 字符，定价为每 100 万字符 40 美元。基准测试表明，该模型运行速度快于 Eleven v4，而成本仅为后者的一半。
Eleven v4 Turbo 在 Artificial Analysis 供应商语音 TTS 竞技场位列第一
Artificial Analysis 将 ElevenLabs 的 Eleven v4 Turbo 列为其供应商语音 TTS 竞技场首位，Elo 评分达 1,334 分，领先于 Eleven v4、Qwen-Audio-3.1-TTS-Plus 和 Sonic 3.6。该模型在受控语音测试中排名第二，发音鲁棒性得分为 90.1%。
Artificial Analysis 开源面向笔记本与工作站推理的 AA-AgentPerf-Local
Artificial Analysis 已开源 AA-AgentPerf-Local。该工具通过重放已记录的智能体会话来测量本地推理速度，并公布了四套系统的初步 4-bit 结果。在能装入 32 GB 的模型上，GeForce RTX 5090 的完成速度比其他受测系统快 3.5 倍以上。
Artificial Analysis：Intelligence Index 最高分一年内从 17 升至 58
Artificial Analysis 表示，一年前 GPT-5 mini（high）以 Intelligence Index v4.3 的 17 分、约每项任务 0.05 美元领先。截至上周，Claude Opus 5.5 以 58 分、约每项任务 5.98 美元保持迄今最高分。
Artificial Analysis：GPT-6.1 Sol落后GPT-6 Astra 1分，成本不到其四分之一
Artificial Analysis称，GPT-6.1 Sol在七天后取代GPT-6 Sol，Intelligence Index较GPT-6 Sol提高4分，最高力度下每项任务成本为0.72美元，而GPT-6 Astra为3.26美元。其标价与GPT-6 Sol相同，为每百万token 2美元/10美元，缓存读取折扣从90%提高到95%。
Artificial Analysis 给 Claude Sonnet 5.5 打出 56 分，比 Opus 5.5 低 2 分
Artificial Analysis 称，Claude Sonnet 5.5 在最高力度下的 Intelligence Index 得分为 56，比 Claude Opus 5.5（最高力度）低 2 分，同时使用了其测得的最高输出 token 数量，每项任务成本约 7.60 美元。
Eleven v4领跑Artificial Analysis的Provider Voice与发音测试
Artificial Analysis表示，ElevenLabs的文本转语音模型Eleven v4支持90多种语言，在其Provider Voice竞技场和Pronunciation Robustness基准测试中排名第一，在Controlled Voice中排名第二。
Artificial Analysis 将 Cyber Index 取三项基准的平均值，并把安全拒绝计为零分
Artificial Analysis 表示，Cyber Index 是 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 的平均分。模型因安全原因拒绝的任务计为零分，并与其他失败分开报告。
Artificial Analysis 推出面向企业 AI 防御的 Cyber Index
Artificial Analysis 推出 Cyber Index 及 Cyber Index Alliance，合作方为 CollinearAI、IBM、NVIDIA 与 Vercel。该指数整合三项开放基准，评估 AI 智能体发现并修复漏洞的能力；Grok 4.7（xhigh）与 MiMo-V2.6-Pro 以 56 分领先。
Opus 5.5 每项任务的 token 用量比 Opus 5 高 37%
Artificial Analysis 称，Claude Opus 5.5 在 Coding Agent Index 每项任务中使用 1560 万 token，而 Opus 5 为 1140 万。缓存输入从 1090 万增至 1460 万，输出从 13.7 万增至 33.3 万，增幅超过一倍。