根据 Dongcha Beating 的监测，传统 AI 模型评估往往依赖通用的学术数据集，导致高测试成绩与实际业务表现之间出现差异。评估机构 Artificial Analysis 已推出 6 个面向行业的指数，用于衡量真实业务表现。该指数在既有的智能与编程通用能力指数基础上构建（涵盖金融、法律、医疗、运营、工程和经济）。
与通用能力指数不同，行业指数会根据 O*NET 工作活动分类来定制加权分布，以模拟真实岗位中的任务频率。它将大模型的底层能力测试（例如 HLE 推理、LCR 长文本处理、GDPval 代理工作等）与各行业的专门知识库（AA-Omniscience）相匹配。
在初始测试阶段，闭源模型 Claude Fable 5 在全部 8 个指数中均位列第一；而开源 GLM-5.2 在 6 个行业指数中拿下 5 个第一名。在工程指数上得分为 53，接近 Claude Sonnet 5 的 55。
评估结果还揭示了显著的性能差距：在运营指数中，Claude Fable 5 的单任务成本（$3.48）是开源 DeepSeek V4 Pro（$0.03）的百倍以上；在法律指数中，Gemini 3.1 Pro 的预览版速度几乎比 Claude Fable 5 快 7 倍，分数仅低 11 分。
基于任务场景权衡性能与成本效益，正在成为垂直领域 AI 选型的新基准。
32.95万 热度
432.12万 热度
252.15万 热度
400.17万 热度
89.38万 热度
AI 评估领域的革命！Artificial Analysis 发布行业能力指数：Claude Fable 5 表现最为突出，开源 GLM-5.2 接近闭源前沿
根据 Dongcha Beating 的监测，传统 AI 模型评估往往依赖通用的学术数据集，导致高测试成绩与实际业务表现之间出现差异。评估机构 Artificial Analysis 已推出 6 个面向行业的指数，用于衡量真实业务表现。该指数在既有的智能与编程通用能力指数基础上构建（涵盖金融、法律、医疗、运营、工程和经济）。
与通用能力指数不同，行业指数会根据 O*NET 工作活动分类来定制加权分布，以模拟真实岗位中的任务频率。它将大模型的底层能力测试（例如 HLE 推理、LCR 长文本处理、GDPval 代理工作等）与各行业的专门知识库（AA-Omniscience）相匹配。
在初始测试阶段，闭源模型 Claude Fable 5 在全部 8 个指数中均位列第一；而开源 GLM-5.2 在 6 个行业指数中拿下 5 个第一名。在工程指数上得分为 53，接近 Claude Sonnet 5 的 55。
评估结果还揭示了显著的性能差距：在运营指数中，Claude Fable 5 的单任务成本（$3.48）是开源 DeepSeek V4 Pro（$0.03）的百倍以上；在法律指数中，Gemini 3.1 Pro 的预览版速度几乎比 Claude Fable 5 快 7 倍，分数仅低 11 分。
基于任务场景权衡性能与成本效益，正在成为垂直领域 AI 选型的新基准。