Artificial Analysis发布Artificial Analysis Capability Indices v1.1 能力指数(v1.1)

发布 Artificial Analysis Capability Indices v1.1，本次更新增强了领域调优，结合了核心 Intelligence Index v4.3 的评估片段与专项评估。

能力指数将 O*NET 职业中的任务映射到代表这些任务的基准，并根据该能力在工作中出现的频率对每个基准进行加权。我们涵盖六个指数：金融与会计、战略与运营、法律、健康与医疗、工程和经济学。

主要变更：
➤ 金融与会计：新增源自AutomationBench-AA（Finance）的智能工具使用能力，移除智能客户交互能力，在长上下文推理中新增GDP.pdf，在智能知识工作中新增AA-Briefcase。

➤ 战略与运营：新增源自AutomationBench-AA（Operations）的智能工具使用能力，移除智能客户交互能力，在长上下文推理中新增GDP.pdf，在智能知识工作中新增AA-Briefcase。

➤ 法律：新增源自AutomationBench-AA（Operations and Support）的智能工具使用能力，移除智能客户交互能力，在长上下文推理中新增GDP.pdf，在智能知识工作中新增AA-Briefcase。

➤ 健康与医疗：新增源自AutomationBench-AA（Operations and Support）的智能工具使用能力，新增源自MLCR-AA的长上下文推理能力，移除智能客户交互能力，在智能知识工作中新增AA-Briefcase。

➤ 工程：智能终端使用中的Terminal-Bench更新为v4.0，从推理中移除GPQA Diamond，在智能知识工作中新增AA-Briefcase。

➤ 经济学：在智能知识工作中新增AA-Briefcase。

主要结果：
➤ Claude Fable 5.1（max）在全部六个指数中排名第一，其次是GPT-6 Astra（max），在金融与会计、战略与运营、法律和工程领域排名第二。

➤ 开放权重模型在本次能力指数中表现有竞争力。Kimi K3（max）在金融与会计（总排名第8）、法律（总排名第9）和经济学（总排名第7）中领先，DeepSeek V4.1 Flash（max）在战略与运营（总排名第7）领先，GLM-5.3（max）在健康与医疗（总排名第6）和工程（总排名第7）领先。