GDPval-AA(Artificial Analysis)
Artificial Analysis / 专业办公 · 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。
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 GDPval-AA 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 AA-Briefcase 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-opus-5-5Anthropic | 1,866.3 | Max 推理 · 含来源回退 |
| 2 | kimi-k3-1-proMoonshot AI | 1,860.6 | 来源默认配置 |
| 3 | muse-wonder-fullMeta | 1,857.1 | Max 推理 |
| 4 | claude-sonnet-5-5Anthropic | 1,837.8 | Max 推理 · 含来源回退 |
| 6 | claude-fable-5-2Anthropic | 1,831.1 | Max 推理 · 含来源回退 |
| 7 | qwen4-maxAlibaba | 1,808.7 | 来源默认配置 |
| 8 | muse-wonderMeta | 1,770.3 | Max 推理 |
| 9 | claude-fable-5-1Anthropic | 1,764.5 | Max 推理 · 含来源回退 |
| 11 | deepseek-v4-1-flash-1017DeepSeek | 1,745.8 | Max 推理 |
| 14 | gemini-4-carbonGoogle | 1,732.7 | High 推理 |
| 15 | claude-opus-5Anthropic | 1,729 | Max 推理 |
| 18 | grok-4-7xAI | 1,716.8 | xHigh 推理 |
| 21 | mimo-v2-6-proXiaomi | 1,692.1 | 来源默认配置 |
| 22 | muse-spark-1-3Meta | 1,681 | Max 推理 |
| 23 | qwen3-8-maxAlibaba | 1,674.1 | 来源默认配置 |
| 24 | grok-4-6-xhighxAI | 1,658.2 | xHigh 推理 |
| 25 | ling-3-1-flashInclusionAI | 1,655 | 来源默认配置 |
| 26 | glm-5-3Z.ai | 1,654.8 | Max 推理 |
| 27 | glm-5-3-flashZ.ai | 1,648.3 | 来源默认配置 |
| 29 | qwen3-8-flash-nextAlibaba | 1,636.8 | 来源默认配置 |
| 30 | gemini-4-argonGoogle | 1,633.5 | High 推理 |
| 32 | inkling-2-smallThinking Machines Lab | 1,630.2 | 来源默认配置 |
| 33 | claude-haiku-5-5Anthropic | 1,629 | Max 推理 |
| 35 | ling-3-1-flash-1001InclusionAI | 1,625.4 | 来源默认配置 |
| 37 | gpt-5-6-solOpenAI | 1,618.7 | Max 推理 |
| 38 | claude-fable-5Anthropic | 1,618 | Max 推理 · 含来源回退 |
| 39 | mimo-v2-6-flashXiaomi | 1,614.7 | 来源默认配置 |
| 40 | qwen3-8-2-4t-a95bAlibaba | 1,613.9 | 来源默认配置 |
| 41 | qwen3-8-max-0803Alibaba | 1,611.5 | 来源默认配置 |
| 42 | gpt-6-1-solOpenAI | 1,607.5 | Max 推理 |
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。