Artificial Analysis 发布端点准确率指数 v1.1

Artificial Analysis 发布 Endpoint Accuracy Index v1.1，将长上下文测试 AA-LCR-25 升级为 AA-LCR v1.1，并把每题重复次数从 10 次提高到 25 次，95% 置信区间由 ±4.7 点收窄至 ±2.6 点。 该指数以自托管官方权重的参考部署为基准，按工具调用（BFCL-500）、科学推理（HLE-250）和长上下文召回（AA-LCR-25）三项等权计分，结果以百分比表示。 覆盖范围同时扩至六个开源权重模型：新增 GLM-5.3 Flash（max）和 Meta 的 Muse Spark Open（xhigh），另有 DeepSeek V4.1 Flash 1017（max）、GLM-5.3（max）、Kimi K3（max）和 gpt-oss-120b（high）。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。