跳到正文

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。

官方评测
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
1claude-sonnet-5-5Anthropic1,815.1Max 推理 · 含来源回退
2claude-opus-5-5Anthropic1,799.9Max 推理 · 含来源回退
3claude-fable-5-2Anthropic1,784.7Max 推理 · 含来源回退
7muse-wonder-fullMeta1,729.3Max 推理
8qwen4-maxAlibaba1,686.1来源默认配置
11kimi-k3-1-proMoonshot AI1,673.6来源默认配置
12claude-fable-5-1Anthropic1,670.6Max 推理 · 含来源回退
13muse-wonderMeta1,658.7Max 推理
14claude-opus-5Anthropic1,654.5Max 推理
16gpt-6-2-astraOpenAI1,643.5Max 推理
17grok-4-7xAI1,635.7xHigh 推理
23gpt-6-2-solOpenAI1,612.1Max 推理
24gemini-4-carbonGoogle1,610.6High 推理
26qwen3-8-maxAlibaba1,604来源默认配置
29muse-spark-1-3Meta1,581.3Max 推理
32claude-haiku-5-5Anthropic1,572.2Max 推理
33qwen3-8-flash-nextAlibaba1,571.5来源默认配置
34deepseek-v4-1-flash-1017DeepSeek1,570.4Max 推理
36gpt-6-astraOpenAI1,568.8Max 推理
37gemini-4-hydrogenGoogle1,567.5xHigh 推理
41gpt-6-1-solOpenAI1,557Max 推理
44grok-4-6-xhighxAI1,539.5xHigh 推理
45claude-fable-5Anthropic1,535.6Max 推理 · 含来源回退
46inkling-2-smallThinking Machines Lab1,526.9来源默认配置
51muse-emberMeta1,520.5Max 推理
52ling-3-1-flashInclusionAI1,519.5来源默认配置
53mimo-v2-6-proXiaomi1,511.7来源默认配置
56glm-5-3Z.ai1,500.9Max 推理
57kimi-k3Moonshot AI1,497.1Max 推理
59agnes-2-5-pro-thetaSapiens AI1,496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。