Artificial Analysis Intelligence Index AI模型智能指数排行榜
Artificial Analysis Intelligence Index v4.0 综合了10项权威评测基准（GDPval-AA、Terminal-Bench、GPQA Diamond、SciCode等），从数学、科学、编程、推理等多维度对AI模型进行全面评估和排名。
榜首模型
Qwen3.7 Max
最高得分
57
模型数量
201
数据版本
2026年05月31日
数据来源: Artificial Analysis
排名总表
| 排名 | 模型名称 | 智能指数 | 机构 |
|---|---|---|---|
| 7 |  Qwen3.7 MaxAlibaba | 57 | Alibaba |
| 10 |  Kimi K2.6Moonshot AI | 54 | Moonshot AI |
| 17 |  DeepSeek-V4-Pro (max)DeepSeek-AI | 52 | DeepSeek-AI |
| 21 | DeepSeek-V4-Pro (high)DeepSeek-AI | 50 | DeepSeek-AI |
| 22 |  MiniMax-M2.7MiniMaxAI | 50 | MiniMaxAI |
| 27 | DeepSeek-V4-Flash (max)DeepSeek-AI | 47 | DeepSeek-AI |
| 28 | DeepSeek-V4-Flash (high)DeepSeek-AI | 46 | DeepSeek-AI |
| 39 | Kimi K2.6Moonshot AI | 43 | Moonshot AI |
| 42 |  Hy3-previewTencent | 42 | Tencent |
| 48 | DeepSeek-V4-ProDeepSeek-AI | 39 | DeepSeek-AI |
| 52 |  Step 3.5 FlashStepFunAI | 38 | StepFunAI |
| 60 | DeepSeek-V4-FlashDeepSeek-AI | 36 | DeepSeek-AI |
| 68 | Hy3-previewTencent | 34 | Tencent |
| 70 |  Doubao Seed CodeByteDance Seed | 34 | ByteDance Seed |
| 95 | Qwen3.5 4BAlibaba | 27 | Alibaba |
| 113 | Qwen3.5 4BAlibaba | 23 | Alibaba |
| 134 | Qwen3.5 2BAlibaba | 16 | Alibaba |
| 139 | Step3 VL 10BStepFun | 15 | StepFun |
| 150 | Qwen3.5 2BAlibaba | 15 | Alibaba |
| 153 | Kimi Linear 48B A3B InstructKimi | 14 | Kimi |
| 172 | Qwen3.5 0.8BAlibaba | 11 | Alibaba |
| 178 | Qwen3.5 0.8BAlibaba | 10 | Alibaba |
数据仅供参考，以官方来源为准。模型名称旁的链接可跳转到 DataLearner 模型详情页。
评测基准组成（Intelligence Index v4.0）
Intelligence Index 综合10项严格的评测基准，全面衡量AI模型能力，避免单一维度的过拟合。
GDPval-AA
智能体真实任务
τ²-Bench
智能体工具调用
Terminal-Bench
智能体编程
SciCode
编程能力
AA-LCR
长上下文推理
AA-Omniscience
知识与幻觉检测
IFBench
指令遵循
Humanity's Last Exam
推理与知识
GPQA Diamond
科学推理
CritPt
物理推理
常见问题 (FAQ)
什么是 Artificial Analysis Intelligence Index？▼
Artificial Analysis Intelligence Index v4.0 是一个综合评测指数，聚合了10项具有挑战性的评估——涵盖数学、科学、编程、智能体任务和推理——以全面衡量AI能力。它旨在防止单一维度的过拟合，提供一个统一分数来追踪模型进步。
智能指数是如何计算的？▼
该指数综合了10项评测的分数：GDPval-AA（智能体真实任务）、τ²-Bench（工具调用）、Terminal-Bench Hard（智能体编程）、SciCode（编程）、AA-LCR（长上下文推理）、AA-Omniscience（知识与幻觉检测）、IFBench（指令遵循）、Humanity's Last Exam（推理）、GPQA Diamond（科学推理）和 CritPt（物理推理）。所有测试由 Artificial Analysis 在标准化硬件上独立运行。
这与 LMArena 排行榜有什么区别？▼
LMArena 排名基于众包用户投票（盲测A/B对比的Elo评分），反映主观的人类偏好。而 Artificial Analysis Intelligence Index 使用标准化的自动评测基准进行客观评分，衡量特定领域的技术能力。两者各有价值——LMArena 捕捉真实用户体验，而 AA Intelligence Index 提供可复现的技术测量。
在哪里可以找到原始数据？▼
原始排行榜和详细方法论可在 artificialanalysis.ai 查看。Intelligence Index 的方法论详见 Intelligence Index 页面。