AA-Briefcase(Artificial Analysis)
Artificial Analysis / 专业办公 · 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。
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11/18 20:05
它测什么,怎么测
取 Artificial Analysis 独立公布的 AA-Briefcase 的 Elo 等级分。同一型号按最高推理档位选代表配置,选择不看分数。
AIHOT 怎么用它
计分:专业办公领域,与 GDPval-AA 同属职业交付一类,两项合起来算一票。
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 | claude-sonnet-5-5Anthropic | 1,815.1 | Max 推理 · 含来源回退 |
| 2 | claude-opus-5-5Anthropic | 1,799.9 | Max 推理 · 含来源回退 |
| 3 | claude-fable-5-2Anthropic | 1,784.7 | Max 推理 · 含来源回退 |
| 7 | muse-wonder-fullMeta | 1,729.3 | Max 推理 |
| 8 | qwen4-maxAlibaba | 1,686.1 | 来源默认配置 |
| 11 | kimi-k3-1-proMoonshot AI | 1,673.6 | 来源默认配置 |
| 12 | claude-fable-5-1Anthropic | 1,670.6 | Max 推理 · 含来源回退 |
| 13 | muse-wonderMeta | 1,658.7 | Max 推理 |
| 14 | claude-opus-5Anthropic | 1,654.5 | Max 推理 |
| 16 | gpt-6-2-astraOpenAI | 1,643.5 | Max 推理 |
| 17 | grok-4-7xAI | 1,635.7 | xHigh 推理 |
| 23 | gpt-6-2-solOpenAI | 1,612.1 | Max 推理 |
| 24 | gemini-4-carbonGoogle | 1,610.6 | High 推理 |
| 26 | qwen3-8-maxAlibaba | 1,604 | 来源默认配置 |
| 29 | muse-spark-1-3Meta | 1,581.3 | Max 推理 |
| 32 | claude-haiku-5-5Anthropic | 1,572.2 | Max 推理 |
| 33 | qwen3-8-flash-nextAlibaba | 1,571.5 | 来源默认配置 |
| 34 | deepseek-v4-1-flash-1017DeepSeek | 1,570.4 | Max 推理 |
| 36 | gpt-6-astraOpenAI | 1,568.8 | Max 推理 |
| 37 | gemini-4-hydrogenGoogle | 1,567.5 | xHigh 推理 |
| 41 | gpt-6-1-solOpenAI | 1,557 | Max 推理 |
| 44 | grok-4-6-xhighxAI | 1,539.5 | xHigh 推理 |
| 45 | claude-fable-5Anthropic | 1,535.6 | Max 推理 · 含来源回退 |
| 46 | inkling-2-smallThinking Machines Lab | 1,526.9 | 来源默认配置 |
| 51 | muse-emberMeta | 1,520.5 | Max 推理 |
| 52 | ling-3-1-flashInclusionAI | 1,519.5 | 来源默认配置 |
| 53 | mimo-v2-6-proXiaomi | 1,511.7 | 来源默认配置 |
| 56 | glm-5-3Z.ai | 1,500.9 | Max 推理 |
| 57 | kimi-k3Moonshot AI | 1,497.1 | Max 推理 |
| 59 | agnes-2-5-pro-thetaSapiens AI | 1,496 | 来源默认配置 |
评测局限与数据署名
等级分来自模型裁判两两比较,不是正确率;它的刻度按同一批模型在其他领域的水平对齐,不能自定尺度。
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。