基准评测

第三方评估机构 METR 披露 Anthropic 三个未公开内部模型 Model 2/3/4，分别于今年 7 月至 10 月完成训练。最强 Model 4 在 Anthropic 综合能力指数 AECI 上达 178.6，超过一个半月前发布的 Opus 5.5 约 3.9 分，相当于约 3 个月的常规进步幅度。联合创始人 Sam McCandlish 承认 AI 正加速 Anthropic 自身研发，但公开报告删去了大量细节。

Artificial Analysis 基于 Handshake AI 的 VIALS 数据集实现了 VIALS-AA 评测，用 161 道任务各跑三次，检验模型能否读懂科学图像并依据图中证据作答。结果显示模型即便反复查看图像仍常答错，且通往正确答案的推理路径差异明显。

Artificial Analysis 公开了 Intelligence Index v5 发布活动的完整演讲视频，称这是自 v4 以来最大的一次升级，并同步推出 Progress Index。内容以活动回顾与路线预告为主，未给出具体评测方法、基准数据或模型排名结果。