Artificial Analysis 发布 v5 智能指数强化抗污染评估

AI 评测机构 Artificial Analysis 正式发布其智能指数的最大升级版本 v5，核心变革在于将 60% 的评估权重转移至私有测试集或保留答案的数据集。这一举措旨在从根本上解决大模型基准测试中日益严重的数据污染问题，确保评分更能反映模型在真实世界中的未见过数据上的泛化能力与实用价值。

在技术细节上，v5 版本引入了 Cognition 的 FrontierCode 2.0 和 Terminal-Bench-Science 两个全新基准，分别聚焦于高难度的真实代码合并任务与科学代理任务，进一步拓宽了评估维度的深度与广度。与此同时，该机构同步推出了 Progress Index v1，这是一个提供单一连续尺度的新工具，专门用于追踪模型能力随时间推移的长期演进轨迹，填补了静态快照式评测在动态趋势分析上的空白。

此次更新对 AI 行业具有显著的生态意义。通过大幅降低数据污染风险并引入更贴近实际应用场景的基准，v5 智能指数为开发者、研究人员及企业用户提供了更具公信力的选型参考。它不仅推动了评测标准向“实战化”和“防作弊”方向演进，也为客观衡量 AI 能力的持续进步建立了更严谨的方法论基础。