智能人工分析智能指数人工分析智能指数 v4.3.2 包括 10 个评估：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、人类的最后考试、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 无公开可用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、人类的最后考试、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关详细信息，请参见智能指数方法论，包括每个评估的分解及我们如何运行它们。人工分析智能指数由 Open Weights / 专有人工分析智能指数 v4.3.2 包括 10 个评估：AA-Briefcase v1.1、GDPval-AA v2.1、AutomationBench-AA、Terminal-Bench 4.0、SciCode、人类的最后考试、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1 无公开可用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、人类的最后考试、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关详细信息，请参见智能指数方法论，包括每个评估的分解及我们如何运行它们。指示模型权重是否可用。如果商业使用受到条件限制，则模型被标记为“商业用途受限”；如果许可证禁止商业使用，则标记为“非商业”。智能指数与每项任务的成本人工分析智能指数 · 每项人工分析智能指数任务的加权平均成本（美元）最具吸引力的象限帕累托线每项智能指数任务的加权平均成本。每项评估的成本基于输入、缓存命中、缓存写入、推理和答案令牌价格计算，除以任务数量，并通过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、人类的最后考试、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关详细信息，请参见智能指数方法论，包括每个评估的分解及我们如何运行它们。能力指数衡量模型在特定能力和行业上的表现无公开可用API评估由人工分析独立衡量的评估 · AA-PersonalityBench 分数为 1 到 100 的百分位排名无公开可用API GDP.pdf 专业文档推理，全通过代理科学研究工作流在终端 代理软件工程在开源代码库 法律代理工作，幻觉门控全通过率 代理互动 3D 体验，Elo 医疗长上下文推理 丰富、多样、精心制作的语言 结构良好、易于扫描、答案优先 真实，承认不确定性，非阿谀奉承的 使用填充词和一般语言 尽管模型智能通常在用例之间转换，但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、人类的最后考试、GDP.pdf、CritPt、AA-Omniscience、AA-LCR v1.1。有关详细信息，请参见智能指数方法论，包括每个评估的分解及我们如何运行它们。AA-Briefcase v1.1 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 是一个结合指标，汇总了评分标准的通过率、分析质量 Elo 和展示 Elo · 越高越好无公开可用API AA-Briefcase Elo 是一个结合指标，汇总了分析质量 Elo、展示 Elo 和评分标准通过率，评分标准表现通过合成的赛季直接对决转换为 Elo。Elo 和 95% 置信区间边界限制在 0。AA-Omniscience AA-Omniscience 指数 AA-Omniscience 指数（越高越好）衡量知识的可靠性和幻觉。它奖励正确答案，惩罚幻觉，并且拒绝回答不受惩罚。得分范围从 -100 到 100，其中 0 表示正确答案和错误答案数量相同，负分表示错误答案多于正确答案。无公开可用API AA-Omniscience 指数（越高越好）衡量知识的可靠性和幻觉。它奖励正确答案，惩罚幻觉，并且拒绝回答不受惩罚。得分范围从 -100 到 100，其中 0 表示正确答案和错误答案数量相同，负分表示错误答案多于正确答案。智能指数比较智能指数与每项任务的成本人工分析智能指数 · 每项人工分析智能指数任务的加权平均成本（美元）最具吸引力的象限帕累托线每项智能指数任务的加权平均成本。