Artificial Analysis的大模型榜单更新——

新榜单里，Claude Fable 5.1和GPT-6 Astra并列第一，都拿到53分。

别看它们分数相同，但平均每项任务成本分别是3.26美元和7.63美元，GPT-6 Astra低了57%。

后面是Claude Opus 5（51分）、Claude Fable 5（50分）、Muse Spark 1.3（48分），GPT-5.6 Sol（47分）。

开源权重模型中，GLM-5.3和Kimi K3表现最好，都是44分，距离第一名还有9分。之后是GLM-5.3-Flash的42分、Qwen3.8 2.4T A95B的40分，以及DeepSeek V4 Pro 0813的36分。

这次改榜，进一步减少了单纯“做题”的比重，更关注AI能不能把实际工作做完。

同时，私有测试的权重也从40%提高到了45%，降低模型针对公开题库刷榜的可能。

Terminal-Bench任务更难了，主要测试AI通过终端完成软件工程、机器学习、科学、运维等复杂工作的能力。

另一个是加入AutomationBench-AA，测试AI处理真实业务工作流的能力，如对接Gmail、Slack、Salesforce、Jira等应用。#GPT6 #Astra #Fable #Claude #大模型 #AI