跳到正文

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。

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 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
1claude-opus-5-5Anthropic1,866.3Max 推理 · 含来源回退
2kimi-k3-1-proMoonshot AI1,860.6来源默认配置
3muse-wonder-fullMeta1,857.1Max 推理
4claude-sonnet-5-5Anthropic1,837.8Max 推理 · 含来源回退
6claude-fable-5-2Anthropic1,831.1Max 推理 · 含来源回退
7qwen4-maxAlibaba1,808.7来源默认配置
8muse-wonderMeta1,770.3Max 推理
9claude-fable-5-1Anthropic1,764.5Max 推理 · 含来源回退
11deepseek-v4-1-flash-1017DeepSeek1,745.8Max 推理
14gemini-4-carbonGoogle1,732.7High 推理
15claude-opus-5Anthropic1,729Max 推理
18grok-4-7xAI1,716.8xHigh 推理
21mimo-v2-6-proXiaomi1,692.1来源默认配置
22muse-spark-1-3Meta1,681Max 推理
23qwen3-8-maxAlibaba1,674.1来源默认配置
24grok-4-6-xhighxAI1,658.2xHigh 推理
25ling-3-1-flashInclusionAI1,655来源默认配置
26glm-5-3Z.ai1,654.8Max 推理
27glm-5-3-flashZ.ai1,648.3来源默认配置
29qwen3-8-flash-nextAlibaba1,636.8来源默认配置
30gemini-4-argonGoogle1,633.5High 推理
32inkling-2-smallThinking Machines Lab1,630.2来源默认配置
33claude-haiku-5-5Anthropic1,629Max 推理
35ling-3-1-flash-1001InclusionAI1,625.4来源默认配置
37gpt-5-6-solOpenAI1,618.7Max 推理
38claude-fable-5Anthropic1,618Max 推理 · 含来源回退
39mimo-v2-6-flashXiaomi1,614.7来源默认配置
40qwen3-8-2-4t-a95bAlibaba1,613.9来源默认配置
41qwen3-8-max-0803Alibaba1,611.5来源默认配置
42gpt-6-1-solOpenAI1,607.5Max 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。