AA-Analyst Agent
Artificial Analysis / 专业办公 · 可靠地分析数据并回答专业问题。
在 裕瑞产业情报 中参与排名
证据预算NaN%
上游数据时间待核实
最近成功同步10/23 20:05
它测什么，怎么测
80 个私有问题、14 个领域，统一 Stirrup 工具环境；每题独立运行五次，五次全部成功才通过（pass^5）。
如何使用这份证据
计分：数据分析；与 LiveBench Data Analysis 共用一类评测。固定 10 个对照型号至少测到 6 个，才参与计算。
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 | gemini-3-7-flashGoogle | 60.0% | High 推理 |
| 2 | claude-sonnet-5-5Anthropic | 57.5% | Max 推理 · 含来源回退 |
| 2 | claude-fable-5-1Anthropic | 57.5% | Max 推理 · 含来源回退 |
| 4 | claude-opus-5-5Anthropic | 56.3% | Max 推理 · 含来源回退 |
| 6 | claude-haiku-5-5Anthropic | 53.8% | Max 推理 |
| 6 | claude-opus-5Anthropic | 53.8% | Max 推理 |
| 8 | grok-4-7xAI | 52.5% | xHigh 推理 |
| 9 | gpt-6-astraOpenAI | 51.2% | Max 推理 |
| 10 | gpt-6-1-solOpenAI | 50.0% | Max 推理 |
| 10 | gpt-5-5OpenAI | 50.0% | xHigh 推理 |
| 12 | claude-fable-5Anthropic | 48.8% | Max 推理 · 含来源回退 |
| 12 | gemini-4-argonGoogle | 48.8% | High 推理 |
| 14 | gpt-5-6-solOpenAI | 47.5% | Max 推理 |
| 15 | claude-sonnet-5Anthropic | 46.3% | Max 推理 |
| 15 | gemini-3-8-flashGoogle | 46.3% | High 推理 |
| 17 | qwen3-8-maxAlibaba | 45.0% | 来源默认配置 |
| 17 | claude-opus-4-8Anthropic | 45.0% | Max 推理 |
| 17 | gemini-3-5-flashGoogle | 45.0% | High 推理 |
| 20 | claude-opus-4-7Anthropic | 43.8% | Max 推理 |
| 20 | gpt-6-lunaOpenAI | 43.8% | Max 推理 |
| 22 | grok-4-6xAI | 41.3% | High 推理 |
| 22 | gemini-3-1-pro-previewGoogle | 41.3% | 来源默认配置 |
| 24 | kimi-k3Moonshot AI | 38.8% | Max 推理 |
| 24 | glm-5-3Z.ai | 38.8% | Max 推理 |
| 26 | muse-spark-1-3Meta | 37.5% | Max 推理 |
| 26 | mimo-v2-6-proXiaomi | 37.5% | 来源默认配置 |
| 28 | grok-4-5xAI | 35.0% | High 推理 |
| 28 | step-5StepFun | 35.0% | 来源默认配置 |
| 28 | deepseek-v4-1-flashDeepSeek | 35.0% | Max 推理 |
| 31 | inkling-smallThinking Machines Lab | 27.5% | 来源默认配置 |
评测局限与数据署名
pass^5 不是五次至少成功一次的 pass@5。 缺测留空；回退成绩计入并标注，受影响题目过半不计。
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。