AA-Analyst Agent
Artificial Analysis / 专业办公 · 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。
在 AIHOT 中参与排名
所属领域专业办公
上游数据时间待核实
最近成功同步11/22 20:05
它测什么,怎么测
80 个私有问题、14 个领域,统一 Stirrup 工具环境;每题独立运行五次,五次全部成功才通过(pass^5)。
AIHOT 怎么用它
计分:数据分析;与 LiveBench Data Analysis 共用一类评测。从上一轮综合榜已收录官方 API 价格或公开权重的型号里,取前 10 家厂商各自名次最高的型号。至少测过其中 60% 才参与计算(发布不满一个月的没测不算缺)。
评测成绩
同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | gpt-6-2-astraOpenAI | 62.5% | Max 推理 |
| 4 | gemini-3-7-flashGoogle | 60.0% | High 推理 |
| 5 | claude-sonnet-5-5Anthropic | 57.5% | Max 推理 · 含来源回退 |
| 5 | claude-fable-5-1Anthropic | 57.5% | Max 推理 · 含来源回退 |
| 7 | claude-opus-5-5Anthropic | 56.3% | Max 推理 · 含来源回退 |
| 10 | claude-haiku-5-5Anthropic | 53.8% | Max 推理 |
| 10 | gpt-6-2-solOpenAI | 53.8% | Max 推理 |
| 10 | claude-opus-5Anthropic | 53.8% | Max 推理 |
| 14 | grok-4-7xAI | 52.5% | xHigh 推理 |
| 17 | inkling-2-smallThinking Machines Lab | 51.2% | 来源默认配置 |
| 17 | gpt-6-astraOpenAI | 51.2% | Max 推理 |
| 19 | gpt-5-5OpenAI | 50.0% | xHigh 推理 |
| 19 | gpt-6-1-solOpenAI | 50.0% | Max 推理 |
| 22 | claude-fable-5Anthropic | 48.8% | Max 推理 · 含来源回退 |
| 22 | gemini-4-argonGoogle | 48.8% | High 推理 |
| 24 | gpt-5-6-solOpenAI | 47.5% | Max 推理 |
| 25 | gemini-3-8-flashGoogle | 46.3% | High 推理 |
| 25 | qwen4-maxAlibaba | 46.3% | 来源默认配置 |
| 25 | inkling-2-miniThinking Machines Lab | 46.3% | 来源默认配置 |
| 25 | claude-sonnet-5Anthropic | 46.3% | Max 推理 |
| 29 | gemini-3-5-flashGoogle | 45.0% | High 推理 |
| 29 | qwen3-8-maxAlibaba | 45.0% | 来源默认配置 |
| 29 | claude-opus-4-8Anthropic | 45.0% | Max 推理 |
| 32 | gpt-6-lunaOpenAI | 43.8% | Max 推理 |
| 32 | claude-opus-4-7Anthropic | 43.8% | Max 推理 |
| 34 | grok-4-6xAI | 41.3% | High 推理 |
| 34 | gemini-3-1-pro-previewGoogle | 41.3% | 来源默认配置 |
| 36 | glm-5-3Z.ai | 38.8% | Max 推理 |
| 36 | kimi-k3Moonshot AI | 38.8% | Max 推理 |
| 36 | kimi-k3-1-proMoonshot AI | 38.8% | 来源默认配置 |
评测局限与数据署名
pass^5 不是五次至少成功一次的 pass@5。 缺测留空;回退成绩计入并标注,受影响题目过半不计。
数据许可:Artificial Analysis 公开页面数据;展示须显著署名并链接来源,遵守其 Terms of Use
成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。