综合能力多基准加权融合
Artificial Analysis 智力分数 评测基准
Artificial Analysis 平台聚合 MMLU、HumanEval、MATH 等主流基准，加权计算的综合智力分数。
查看官方或原始资料评测方法与适用范围
Artificial Analysis 是知名 AI 分析平台，其智力分数（Intelligence Score）将多个权威基准的得分标准化后加权融合，形成单一可比的综合指标。
评测维度：
- 综合智力分数：0-100 标准化分值
- 编程能力：HumanEval、LiveCodeBench 等
- 数学推理：MATH、GSM8K、AIME 等
- 知识广度：MMLU、MMLU-Pro 等
- 推理能力：GPQA、BBH 等
特点：
- 聚合多基准，减少单一基准偏差
- 标准化处理，便于跨模型横向对比
- 同时提供价格/性能/速度三维象限图
- 定期更新，跟踪模型迭代
如何解读结果
先确认模型版本、评测日期和提示设置是否一致；不同版本或不同工具链下的结果不能直接横向合并。
单项分数只反映该基准覆盖的能力。实际选型还应结合真实任务、稳定性、速度、价格和安全要求。
星盘保留原始来源入口，并将基准说明与实时排行榜分开呈现，避免把单次榜单快照解释为模型的绝对能力。
这项评测不能替代什么
这项基准只测量它明确覆盖的那一类任务。分数不能代表一个模型在真实业务中的综合表现、响应速度、稳定性、价格或安全性。
不能因为一个模型在某个单项基准上领先，就认为它在所有任务上都更好；不同任务背后的数据难度、提示设计和评分口径并不相同。
不要用某一时刻的榜单快照替代持续观察。模型版本、评测工具链和题目集都可能变化，跨版本或跨基准的比较需要单独核对。