午方 AI 梳理數據顯示，評估機構 Artificial Analysis 重構了 AI 智能指數評價體系，摒棄單純的選擇題測試，轉而聚焦於自主規劃、工具調用及複雜任務完成能力。新版指標核心在於量化任務執行的時間與費用，其中真實世界知識測試 GDPval-AA 權重提升至 20%，並將單次對話長度限制擴展至 250 字。

在最新榜單中，已下線的 Claude Fable 5 以 60 分領跑，而當前可用的 Claude Opus 4.8 以 56 分位居市場第一，略高於 GPT-5.5 的 55 分。國產模型表現強勁，開源模型 DeepSeek V4 Pro 與 MiniMax M3 同獲 44 分，Kimi K2.6 緊隨其後得 43 分。成本方面呈現巨大鴻溝：完成同一任務，Claude Opus 4.8 需耗費 1.78 美元，而 DeepSeek V4 Pro 僅需 0.04 美元，前者成本爲後者的 44 倍。效率上，xAI Grok 4.3 以 1.5 分鐘最快完成，最慢的 Claude Sonnet 4.6 則耗時 13.5 分鐘。