Artificial Analysis 於影片排行榜標記衍生模型並新增篩選功能
Artificial Analysis 現已在其排行榜的衍生影片模型旁顯示基礎模型標誌，並新增隱藏衍生模型、僅對基礎模型排名的選項。
#artificial-analysis
查看全部AI快訊Vidu Q4 Preview 登場：支援 4K 影片與原生音訊，位列 Artificial Analysis 榜單第三
Vidu 於 Q4 正式推出前發布 Vidu Q4 Preview。該模型可生成 3 至 16 秒、最高 4K 解析度並附帶原生音訊的影片片段，於 Artificial Analysis 的 AA-Video-I2V v1.0 榜單名列第三。
Artificial Analysis 推出 AA-Music v1.1 基準，Suno v6 位列首位
Artificial Analysis 為其 Music Arena 推出 AA-Music-Vocal v1.1 與 AA-Music-Instrumental v1.1，透過 17 種流派的 1,000 個全新提示詞評估模型。Suno v6 在兩項榜單中均名列第一，Suno v6-mini 名列第二。
Artificial Analysis 在其智能指數中為 Claude Haiku 5.5 評出 43 分
Artificial Analysis 為 Claude Haiku 5.5 評出 43 分，較上一代 Haiku 提高 26 分，並報告其具備 100 萬 token 上下文窗口。評測結果亦涵蓋 token 用量、終端任務、事實準確度，以及該機構指可能被低估的 AutomationBench 得分。
Gemini 3.8 Live 登頂 Artificial Analysis 語音轉語音榜單，音訊輸入每小時 0.84 美元
Google 的 Gemini 3.8 Live Extended Thinking 模型在 Artificial Analysis 語音轉語音榜單中位列第一，標準版在雙盲實時真人評估中名列第二。標準版模型每小時輸入音訊費用為 0.84 美元，是該榜單收錄的最低費率。
小米在強化學習中引入質量核對清單評分，防止 MiMo-V2.6-Pro 投機通過測試
針對僅以通過測試為目標訓練的模型會插入未請求代碼並靜默忽略錯誤的問題，小米在強化學習中將測試結果與質量核對清單評分相乘。調整後的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分，位列開放權重模型首位。
Artificial Analysis 評測 Mistral Large 4：支援 512k 上下文並公佈 API 定價
Artificial Analysis 評測了 Mistral Large 4 Preview，該模型在 Intelligence Index 得分為 38，在 Cyber Index 為 50%。Mistral AI 為這款 512k 上下文模型定價為每 100 萬輸入 token 1.36 美元、每 100 萬輸出 token 4.18 美元，首兩週提供半價優惠。
螞蟻集團發布 Ling 3.1 Flash，於 Artificial Analysis 智能指數獲 41 分
螞蟻集團發布了推理模型 Ling 3.1 Flash，具備 5,600 億總參數及 100 萬 token 上下文窗口。Artificial Analysis 於其智能指數 v4.3 給予該模型 41 分，指出其在 Agent 表現與 token 效率上有顯著改善。
Artificial Analysis 測得 OpenAI Web Search 單任務耗時約 31 秒
Artificial Analysis 測試顯示，OpenAI Web Search 的單任務耗時約為 31 秒，在 26 款受測產品中位列第 14 名。由於 OpenAI 並未直接公佈搜尋延遲，測試團隊透過串流事件測算得出該數據。
Artificial Analysis 搜尋指數給予 OpenAI Web Search 74 分
Artificial Analysis 在其搜尋指數（Search Index）測試了 OpenAI Web Search。該工具取得 74 分，在供應商中排第 5，在 26 款測試產品中排第 7。在運行中等推理強度的 GPT-5.6 Luna 時，此內置搜尋工具平均每項任務花費約 0.05 美元。
Artificial Analysis：Eleven v4 Turbo 生成速度達每秒 96 字符，價格為 Eleven v4 的一半
Artificial Analysis 報告顯示，ElevenLabs 的 Eleven v4 Turbo 生成速度達每秒 96 字符，定價為每 100 萬字符 40 美元。基準測試表明，該模型運行速度快於 Eleven v4，而成本僅為後者的一半。
Eleven v4 Turbo 在 Artificial Analysis 供應商語音 TTS 競技場位列第一
Artificial Analysis 將 ElevenLabs 的 Eleven v4 Turbo 列為其供應商語音 TTS 競技場首位，Elo 評分達 1,334 分，領先 Eleven v4、Qwen-Audio-3.1-TTS-Plus 與 Sonic 3.6。該模型在受控語音基準中排名第二，發音穩健性得分為 90.1%。
Artificial Analysis 開源面向手提電腦與工作站推理的 AA-AgentPerf-Local
Artificial Analysis 已開源 AA-AgentPerf-Local。該工具透過重放已記錄的智能體會話來量度本地推理速度，並公布四套系統的初步 4-bit 結果。在能裝入 32 GB 的模型上，GeForce RTX 5090 的完成速度比其他受測系統快 3.5 倍以上。
Artificial Analysis：Intelligence Index 最高分一年內由 17 升至 58
Artificial Analysis 表示，一年前 GPT-5 mini（high）以 Intelligence Index v4.3 的 17 分、約每項任務 0.05 美元領先。截至上週，Claude Opus 5.5 以 58 分、約每項任務 5.98 美元保持迄今最高分。
Artificial Analysis：GPT-6.1 Sol落後GPT-6 Astra 1分，成本不到其四分之一
Artificial Analysis表示，GPT-6.1 Sol在七天後取代GPT-6 Sol，Intelligence Index較GPT-6 Sol提高4分，最高力度下每項任務成本為0.72美元，而GPT-6 Astra為3.26美元。其標價與GPT-6 Sol相同，為每百萬token 2美元/10美元，快取讀取折扣由90%提高至95%。
Artificial Analysis 給 Claude Sonnet 5.5 打出 56 分，比 Opus 5.5 低 2 分
Artificial Analysis 稱，Claude Sonnet 5.5 在最高力度下的 Intelligence Index 得分為 56，比 Claude Opus 5.5（最高力度）低 2 分，同時使用了其測得的最高輸出 token 數量，每項任務成本約 7.60 美元。
Eleven v4領跑Artificial Analysis的Provider Voice與發音測試
Artificial Analysis表示，ElevenLabs的文字轉語音模型Eleven v4支援超過90種語言，在其Provider Voice競技場和Pronunciation Robustness基準測試中排名第一，在Controlled Voice中排名第二。
Artificial Analysis 將 Cyber Index 取三項基準的平均值，並把安全拒絕計為零分
Artificial Analysis 表示，Cyber Index 是 CWE-Bench-AA、DeepsecBench-AA 和 CyberGym-E2E-AA 的平均分。模型因安全理由拒絕的任務計為零分，並與其他失敗分開報告。
Artificial Analysis 推出面向企業 AI 防禦的 Cyber Index
Artificial Analysis 推出 Cyber Index 及 Cyber Index Alliance，合作方為 CollinearAI、IBM、NVIDIA 與 Vercel。該指數整合三項開放基準，評估 AI 智能體發現並修復漏洞的能力；Grok 4.7（xhigh）與 MiMo-V2.6-Pro 以 56 分領先。
Opus 5.5 每項任務的 token 用量比 Opus 5 多 37%
Artificial Analysis 表示，Claude Opus 5.5 在 Coding Agent Index 每項任務使用 1560 萬個 token，Opus 5 則為 1140 萬個。快取輸入由 1090 萬增至 1460 萬，輸出由 13.7 萬增加超過一倍至 33.3 萬。