AA Akıllı Endeksi büyük bir soru değişikliği yaptı: Claude birinci oldu, DeepSeek ve GLM 26 puan geride kaldı

动察 Beating AI hızlı haber: AI değerlendirme kuruluşu Artificial Analysis, Intelligence Index sıralamasını büyük ölçüde güncelledi. Yeni sürüme 132 gerçek açık kaynak proje kodlama görevi eklendi; AI'nın yazdığı kodun yalnızca testleri geçmesi değil, aynı zamanda proje sürdürücülerinin birleştirmeye razı olacağı standarda ulaşması gerekiyor. Ayrıca 70 bilimsel araştırma görevi eklendi ve AI'nın araştırma sürecini terminalde fiilen tamamlaması isteniyor. Modellerin soruları önceden görmesinin etkisini azaltmak için yeni sürümde puan ağırlığının %60'ı özel test setlerinden veya gizli yanıtlardan geliyor.

Sıralamanın zirvesi yine Anthropic ve OpenAI'nin hakimiyetinde. Claude Opus 5.5, 58 puanla birinci olurken GPT-6 Astra ve GPT-6.1 Sol sırasıyla 57 ve 55 puan aldı. Kimi K3.1 Pro 46 puan aldı ancak ağırlıkları henüz açık kaynak değil.

Ağırlıkları açık kaynak olan DeepSeek V4.1 Flash ve GLM-5.3 yalnızca 32 puan alarak birinciden tam 26 puan geride kaldı; hatta Claude Haiku 5.5'in 36 puanının bile altında.

Yeni eklenen bilimsel araştırma görevlerinde GPT-6 Astra %63 tamamlama oranına ulaşırken Kimi K3.1 Pro %34, DeepSeek V4.1 Flash ise yalnızca %13'te kaldı.

GPT-6.1 Sol, Claude Opus 5.5'ten 3 puan düşük olsa da genel API fiyatlarına göre tahmin edildiğinde ortalama her kapsamlı değerlendirme görevi yalnızca 1,27 dolar tutuyor; diğeri ise 10,04 dolar, yani yaklaşık 8 katı.

Yeni sürümdeki sorular genel olarak daha fazla Token tüketiyor; her görev için çıktı Token medyanı eski sürümdeki 35 binden 59 bine yükseldi.