Artificial Analysis 发布智能指数4.2版，GPT-6 Astra排名回升但仍落后Claude Fable 5.1

Artificial Analysis于2026年9月5日发布了智能指数4.2版本，对其基准评测体系进行了较大幅度的调整。此次更新的直接导火索，是此前该机构对GPT-6 Astra的评分引发的广泛质疑。在旧版指数中，Astra的得分与前代模型Sol几乎相同，令业界感到困惑，因为多家独立机构的评测结果均显示Astra有明显的能力跃升。

Epoch AI的评测数据显示，GPT-6 Astra在涵盖50余项基准的综合评分中以169分位列267个模型之首。ARC-AGI-3测试同样表明，Astra相较前代模型实现了大幅进步，具体幅度因所使用的测试框架而有所差异。OpenAI自身的评估也将Astra置于领域前列，与Artificial Analysis的评分结论形成明显落差，这一矛盾促使外界对后者的方法论提出质疑。

在4.2版本中，GPT-6 Astra的得分比前代模型Sol高出4分，排名升至第二位。Anthropic的Claude Fable 5.1仍然领跑整体榜单，Meta位居第三。值得关注的是，Artificial Analysis指出，Astra在完成每项任务时所消耗的token数量少于所有其他前沿模型，显示出较高的推理效率。在性价比维度，Anthropic、OpenAI、Meta与智谱AI并列领先。

此次版本更新在基准构成上也有明显变化。新增了两项测试：AA-Briefcase专注于真实世界的知识工作场景，Surge AI推出的GDP.pdf则针对PDF文档分析能力。与此同时，GPQA-Diamond因主流模型已普遍能够解答其中的题目而被移除。私有测试数据的权重从此前水平提升至40%，旨在降低模型开发者针对公开题库进行专项优化、从而人为抬高分数的可能性。

Artificial Analysis还对多项基准的历史评分错误进行了修正，并调整了评分系统以提升结果的稳定性。该机构解释称，此前为维持重大模型发布期间评分的可比性而刻意推迟更新，但顶部排名变动过于迅速，不得不提前发布这一中间版本。据悉，更为全面的第5版指数已历经八个月的研发，将以分阶段方式陆续推出，预计将在方法论层面带来更系统性的改进。

要点

• Artificial Analysis发布智能指数4.2版，修订后GPT-6 Astra得分比前代高出4分，但仍落后于Claude Fable 5.1，排名第二。
• 新版指数新增AA-Briefcase和GDP.pdf两项基准，删除已被普遍攻克的GPQA-Diamond，私有数据权重提升至40%以防刷榜。
• Astra在每任务token消耗上优于所有其他前沿模型，在性价比维度与Anthropic、Meta、智谱AI并列领先。
• 此次更新是对外界批评的直接回应，此前多家机构评测均显示Astra能力大幅领先，与Artificial Analysis旧版评分存在明显矛盾。
• 更全面的第5版指数已筹备八个月，将分阶段推出，预计带来更系统性的方法论改进。