搜索
Intelligence Index v5 基准上线 DeepSeek V4.1 Flash 获 FrontierCode 2.0 已发布开源模型最高分
1 天前
Intelligence Index v5 自2026年1月v4版本上线以来，完成了最大幅度的基准重构。此次重构首次将60%的评测权重分配给私有测试集或隐藏答案，压缩了公开题库被训练数据污染的空间，减少了跑分注水的可能性。该指数仍由九项评测构成，在编码部分的25%权重中，新引入的FrontierCode 2.0占15%，Terminal-Bench 4.0占10%。FrontierCode 2.0的所有任务均来自真实开源仓库，以仓库维护者是否愿意合并提交的PR为核心评分标准，将编码能力评价的重点从“可运行性”转向“可合并性”。在已发布的权重模型中，DeepSeek V4.1-Flash 1017（max）以28%的成绩在FrontierCode 2.0单项中排名第一，但其Intelligence Index v5综合得分为32分，与GLM-5.3持平，落后于榜首Claude Opus 5.5的58分。v5版本显著拉大了开源与闭源前沿模型的整体能力差距，最强开源模型与榜首的差距从v4.3的3分扩大到12分，已发布权重模型的综合得分上限为32分。此外，v5还放大了不同思考等级档位的表现差距，同一模型在省钱模式和全力模式下的表现差异显著，头部模型单任务成本最高相差超过13倍。同步推出的Progress Index v1参考了相关方法，将2022年11月以来的主要大语言模型映射到连续能力尺度，以便跨时间维度观察模型能力的演进。在本次v5评测中，没有任何模型在所有项目中均排名第一，各单项优势的分散程度高于总分排名的关注度。
