GDPval-AA（Artificial Analysis）
Artificial Analysis / 专业办公 · 按真实职业交付件出题，两两比较产出质量。
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
取 Artificial Analysis 智能指数中 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。
如何使用这份证据
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 | muse-wonder-fullMeta | 1,857.1 | Max 推理 |
| 3 | claude-sonnet-5-5Anthropic | 1,837.8 | Max 推理 · 含来源回退 |
| 5 | muse-wonderMeta | 1,770.3 | Max 推理 |
| 6 | claude-fable-5-1Anthropic | 1,754.6 | Max 推理 · 含来源回退 |
| 7 | deepseek-v4-1-flash-1017DeepSeek | 1,745.8 | Max 推理 |
| 10 | claude-opus-5Anthropic | 1,720.1 | Max 推理 |
| 11 | grok-4-7xAI | 1,714 | xHigh 推理 |
| 15 | mimo-v2-6-proXiaomi | 1,683 | 来源默认配置 |
| 16 | muse-spark-1-3Meta | 1,681 | Max 推理 |
| 17 | qwen3-8-maxAlibaba | 1,666.3 | 来源默认配置 |
| 18 | glm-5-3Z.ai | 1,649.5 | Max 推理 |
| 19 | grok-4-6-xhighxAI | 1,644.6 | xHigh 推理 |
| 20 | ling-3-1-flash-1019InclusionAI | 1,643.8 | 来源默认配置 |
| 21 | glm-5-3-flashZ.ai | 1,642.2 | 来源默认配置 |
| 24 | qwen3-8-flash-nextAlibaba | 1,626.5 | 来源默认配置 |
| 25 | gemini-4-argonGoogle | 1,624.1 | High 推理 |
| 26 | claude-haiku-5-5Anthropic | 1,619.3 | Max 推理 |
| 28 | ling-3-1-flashInclusionAI | 1,616.8 | 来源默认配置 |
| 30 | claude-fable-5Anthropic | 1,608.9 | Max 推理 · 含来源回退 |
| 31 | mimo-v2-6-flashXiaomi | 1,608.7 | 来源默认配置 |
| 32 | gpt-5-6-solOpenAI | 1,607.2 | Max 推理 |
| 33 | qwen3-8-2-4t-a95bAlibaba | 1,606.8 | 来源默认配置 |
| 34 | qwen3-8-max-0803Alibaba | 1,603.3 | 来源默认配置 |
| 35 | deepseek-v4-1-flashDeepSeek | 1,600 | Max 推理 |
| 36 | gpt-6-1-solOpenAI | 1,596.2 | Max 推理 |
| 38 | step-5StepFun | 1,586.8 | 来源默认配置 |
| 41 | gpt-6-astraOpenAI | 1,574.5 | Max 推理 |
| 45 | deepseek-v4-flash-visionDeepSeek | 1,546.8 | Max 推理 |
| 48 | kimi-k3Moonshot AI | 1,534.1 | 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。