人工分析智能指数人工分析智能指数 v4.3.2 包含 10 次评估：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。没有公开可用的 API。人工分析智能指数 v4.3.2 包括：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。请参阅智能指数方法论以获取更多详细信息，包括每次评估的细分和我们的运行方式。人工分析智能指数由 Open Weights / Proprietary 提供。人工分析智能指数 v4.3.2 包含 10 次评估：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。请参阅智能指数方法论以获取更多详细信息，包括每次评估的细分和我们的运行方式。指示模型权重是否可用。如果商业用途受到条件限制，则模型标记为“商业用途受限”，如果许可证禁止商业用途，则标记为“非商业”。智能指数与每项任务的成本比较人工分析智能指数 · 每个人工分析智能指数任务的加权平均成本（USD）最具吸引力的象限柏拉图线。每个智能指数任务的加权平均成本。每次评估的成本根据输入、缓存命中、缓存写入、推理和回答令牌价格计算，除以任务数量，并按其智能指数权重加权。人工分析智能指数 v4.3.2 包括：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。请参阅智能指数方法论以获取更多详细信息，包括每次评估的细分和我们的运行方式。能力指数衡量模型在特定能力和行业上的表现，没有公开可用的 API。评估：人工分析独立测量的智能评估 · 结果越高越好。没有公开可用的 API。代理知识工作，(Elo-500)/2000 代理真实世界工作任务，(Elo-500)/2000 GDP.pdf 专业文件推理，全部通过。编码物理推理。代理科学研究工作流程在终端。代理软件工程在开源代码库中。法律代理工作，幻觉门控全通过率。MLCR-AA 医疗长上下文推理。尽管模型智能通常可以跨用例转换，特定评估可能对某些用例更为相关。人工分析智能指数 v4.3.2 包括：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。请参阅智能指数方法论以获取更多详细信息，包括每次评估的细分和我们的运行方式。AA-Briefcase v1.1 更新版。AA-Briefcase Elo。AA-Briefcase v1.1 是由人工分析开发的代理知识工作基准。AA-Briefcase Elo 是一个综合指标，聚合了评估通过率、分析质量 Elo 和演示 Elo · 结果越高越好。没有公开可用的 API。AA-Briefcase Elo 是一个综合指标，聚合了分析质量 Elo、演示 Elo 和评估通过率，通过合成的逐头匹配将评估表现转换为 Elo。Elo 和 95%的置信区间边界限制在 0。AA-Omniscience。AA-Omniscience 指标。AA-Omniscience 指标（高者为佳）衡量知识的可靠性和幻觉。它对正确答案给予奖励，对幻觉进行惩罚，对拒绝回答不进行惩罚。分数范围从 -100 到 100，0 表示正确和错误答案数量相等，负分数表示错误答案多于正确答案。没有公开可用的 API。AA-Omniscience 指标（高者为佳）衡量知识的可靠性和幻觉。它对正确答案给予奖励，对幻觉进行惩罚，对拒绝回答不进行惩罚。分数范围从 -100 到 100，0 表示正确和错误答案数量相等，负分数表示错误答案多于正确答案。开放性指数。人工分析开放性指数：成绩。开放性指数在 0 到 100 的标准化范围内评估模型的开放性（越高越开放）。智能指数比较。智能指数与每项任务的成本比较。人工分析智能指数 · 每个人工分析智能指数任务的加权平均成本（USD）最具吸引力的象限柏拉图线。每个智能指数任务的加权平均成本。每次评估的成本根据输入、缓存命中、缓存写入、推理和回答令牌价格计算，除以任务数量，并按其智能指数权重加权。