Evaluations

独立评测与 Benchmark 榜单

按评测任务、版本与来源拆开理解模型结果。AA Intelligence 当前方法为 v4.3.2；v4.3、v4.3.1 与更早观测保留历史身份，不跨版本合成排名。

数据快照：2026-09-20T01:32:40.000Z查看原始来源 ↗

v4.3.2 · 10 项评测

智能指数拆分

Evaluation relevance

按方法版本拆解知识、推理、编程、工具使用和长上下文表现，不混排不同版本。

数据分析可靠性

pass^5

用真实电子表格和文档测试定量分析 Agent；每题独立运行五次，只有五次全部正确才计入 pass^5。

长期知识工作

Elo

面向多步骤、长周期知识工作的专有评测。

知识边界

Omniscience Index

同时观察回答正确性与模型是否知道自己不知道。

经济价值任务

Leaderboard

覆盖真实职业任务和高经济价值知识工作。

透明度与可获得性

Openness components

从权重、许可、技术披露和复现条件观察模型开放程度。