Today for AI
返回热点榜
llm热度 27.6°

AI 聚合热点事件 · 2026/11/4

Artificial Analysis 发布能力指数 v2.0，强化幻觉抑制与智能体工具使用评估

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/4 08:47:06
全景综述与最新动态
1 家信源交叉印证

Artificial Analysis 将其六大行业能力指数更新至 v2.0 版本，以对齐其最新智能指数。此次更新显著增加了对“非幻觉”和“智能体工具使用”能力的权重，并调整了部分基准测试。在开源模型中，Kimi K3.1 Pro（权重未公开）在六个指数中均领先，MiniMax-M3.1-Flash 和 DeepSeek V4.1 Flash 分别在特定领域表现突出。

最新动向/Artificial Analysis 将其六大行业能力指数更新至 v2.0 版本，以对齐其最新智能指数。此次更新显著增加了对“非幻觉”和“智能体工具使用”能力的权重，并调整了部分基准测试。在开源模型中，Kimi K3.1 Pro（权重未公开）在六个指数中均领先，MiniMax-M3.1-Flash 和 DeepSeek V4.1 Flash 分别在特定领域表现突出。

逐小时热度走势

4 个完整观测小时
当前
27.6
峰值
28.909:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Artificial Analysis (@ArtificialAnlys)T1·68 分

    Artificial Analysis 发布能力指数 v2.0，强化幻觉抑制与智能体工具使用评估

    原标题：We’ve updated the six Artificial Analysis Capability Indexes to v2.0, aligning them with evaluations...

    • 六大行业能力指数（金融、战略、法律、医疗、工程、经济）更新至 v2.0，核心变化是提升“非幻觉”和“智能体工具使用”的权重。
    • 基准测试组合调整：升级 HLE 至 Diamond 版，移除 GDPval-AA 和 AA-LCR 等旧基准。
    • 开源模型排名：Kimi K3.1 Pro 综合领先，MiniMax-M3.1-Flash 在战略运营领域第一，DeepSeek V4.1 Flash 在医疗领域第一。