Artificial Analysis 发布智能指数 v4.2：新增代理工作流与长文档评测，Anthropic 与 OpenAI 领跑
Artificial Analysis 于 9 月 4 日发布 Intelligence Index v4.2，新增代理知识工作评测 AA-Briefcase 与长文档推理测试 GDP.pdf，并将私有测试集权重提升至 40%。结果显示 Anthropic 的 Claude Fable 5.1 领跑，OpenAI 的 GPT-6 Astra 紧随其后。
核心事实
Artificial Analysis 于 2026 年 9 月 4 日发布 Intelligence Index v4.2。该版本新增两项评测：一是自研的 AA-Briefcase，采用私有测试集，模拟跨数周、包含数千源文件的多任务知识工作项目；二是由 Surge AI 创建的 GDP.pdf，覆盖 100 份 PDF、十个领域，要求模型综合 4,592 页中的文本、表格、图表等证据，并按 1,275 条专家标准评分。同时，v4.2 将私有测试集权重提升至 40%，并升级了评分基础设施。
背景与影响
据该机构介绍，v4.2 是 v5 正式发布前的过渡更新，旨在应对近期前沿模型快速迭代带来的评测滞后。结果显示，Anthropic 的 Claude Fable 5.1 领跑智能指数，OpenAI 的 GPT-6 Astra 紧随其后，较 GPT-5.6 Sol 提升 4 分；Meta 位列第三。在成本/任务帕累托前沿上，Anthropic、OpenAI、Meta 与 Z.AI 四家实验室共同占据。GPT-6 Astra 在输出 token 效率上表现突出，而 AA-Briefcase 中 Claude Fable 5.1 与 Opus 5 领先，GPT-6 Astra 较 GPT-5.6 Sol 高出约 85 Elo 点。GDP.pdf 中 OpenAI 领先，GPT-6 Astra 与 GPT-5.6 Sol 分别取得 33.2% 与 28.2% 的全通过率，Claude Fable 5.1 为 26.2%。
限制与来源
上述结果来自 Artificial Analysis 的独立评测，具体模型名称、版本及分数均以该机构发布为准。文中提及的模型（如 Claude Fable 5.1、GPT-6 Astra 等）及其性能数据尚未获得相关厂商官方确认，评测方法细节可参阅其方法论页面。用户如需了解最新排行与完整数据，请访问 artificialanalysis.ai。