2026年9月，人工分析（Artificial Analysis）赶在v5大版本前先发了智能指数v4.2。为啥这么急？因为GPT-6 Astra刚出时，在老指数里和前代GPT-5.6 Sol差不多分，被不少人骂打分不准；再加上前面几周前沿模型一个接一个发，老题目已经分不出高下了，机构只能提前把v5里的部分新东西搬出来。
这回改规则是重点。GPQA钻石题被踢出去了——顶尖模型都快考满分，没法拉开差距。私藏不外露的测试题权重从v4.1的20%直接翻倍到40%，就是防实验室盯着公开题刷分。新加的AA-Briefcase用内部留存的真实办公场景（几千份文件、干好几周的活）；Surge AI做的GDP.pdf更狠：100份PDF、4592页、1275条专家标准对答案。AA-LCR v1.1也顺手修了答案库错处。
分数跟着变：Claude Fable 5.1（max带退回）57分第一，GPT-6 Astra（max）55分第二，Opus 5是54，Fable 5和Meta的Muse Spark 1.3同拿53，GPT-5.6 Sol和Grok 4.6各51，Kimi K3是50。
我看这榜，重点不在两分差，而在"怎么考"。Astra长处在长文档和代币省——同分数下输出token比多数前沿模型少；但Fable 5.1能力尖，单任务成本也最贵。Anthropic和OpenAI整体领跑，Meta第三，成本效率上Anthropic、OpenAI、Meta、Z AI四家占帕累托前沿。榜是死了，活干的活才是真的，以后选模型得看自家任务像不像AA-Briefcase那种苦差事。ai行情分析 AI实测对比 AI模型横评 AI量化分析 AI成绩分析 ai公司估值 AI模型梯度榜