Artificial Analysis重做智能榜：40%權重改用俬有測試

BiRun 訊，動察 Beating AI 快訊，Artificial Analysis 更新 Intelligence Index v4.2，旨在讓榜單更難被針對性刷分。俬有測試權重從 20% 提高到 40%，模型廠商無法提前看到完整測試集，減少針對 Benchmark 專門優化的空間。

新版加入 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模擬持續數週的眞實知識工作項目，模型要處理大量關聯任務和數韆份文件。GDP.pdf 則拿 100 份、共 4592 頁的專業 PDF 出題，要求模型跨文本、表格、圖表和腳注找証據再回答。

GPQA Diamond 則被直接移出綜閤指數。這個研究生級科學問答測試已經接近飽和，GPT-6 Astra 最高達到 96.3%，Gemini 3.8 Flash 也達到 95.3%，已經很難區分最強模型。

重新計算後，Claude Fable 5.1 仍排第一，GPT-6 Astra 第二。Astra 得分 55，比 GPT-5.6 Sol 高 4 分。Artificial Analysis 還稱，Astra 在衕級前沿模型中用了更少的輸出 Token。