Artificial Analysis 重建指数：闭源模型拉开差距，Kimi K3.1 Pro 跌5位
\n Artificial Analysis overhauled its Intelligence Index, causing Kimi K3.1 Pro to drop five spots in the rankings. \n The article New Artificial Analysis index widens the
Full article body is primarily in Chinese for SEO depth; key points above are localized. Use the language switcher and deep links for global navigation.
## Artificial Analysis 重建指数：闭源模型拉开差距，Kimi K3.1 Pro 跌5位
摘要
Artificial Analysis 重建了 Intelligence Index v5，采用 60% 私有数据集和 70% 代理任务权重，闭源模型（Claude Opus 5.5、GPT-6 Sol、Gemini 4 Argon）整体分数大幅领先，Kimi K3.1 Pro 从 v4 的第 4 位跌至第 9 位（跌 5 位）。Kimi 仍保持高 agentic 表现，但整体指数差距拉大至 12 分。 这对专注 API 中转 和 模型天梯 的开发者有直接决策价值：闭源 API 定价更高、可用性更稳，但开源权重更易本地部署或 vLLM 加速。建议在 GrokCode API 中转 页面选择最优路径。
为什么适用开发者
如果你每天处理大批量编码、代理任务或需要稳定推理，指数变化直接影响 API 中转 倍率和本地部署效率。闭源模型在终端、科学研究和 GDPval 等新 benchmark 上占优，但私有数据集使审计难度上升。Kimi K3.1 Pro 作为开源权重潜力模型，权重发布后可能重返高分，适合预算有限的用户转向 本地部署。
指数 v5 核心变化
v5 是 Artificial Analysis 自 v4 以来的最大升级，60% 测试基于私有数据集（Held-out answers），70% 权重来自代理任务（agentic workloads）。新增 benchmark 包括：
- FrontierCode 2.0：真实仓库维护者是否合并代码变更
- Terminal-Bench-Science：70 个终端环境科学研究任务
- Progress Index：连续跟踪模型进步
闭源模型在 coding（Terminal-Bench 4.0）和 agentic 领域得分领先，Kimi K3.1 Pro 虽在 Terminal-Bench 4.0 获最高分（67%），但整体指数从 55 分跌至约 50 分，排名从第 4 跌至第 9。
Kimi K3.1 Pro 跌 5 位详解
Kimi K3.1 Pro 在 v4 以 55 分第 4（领先 GPT-6 Astra、Gemini 4 Argon）。v5 更新后，私有数据集对 reasoning 和 coding 的部分压制导致它下滑 5 位。Claude Opus 5.5（fallback 58 分）仍领跑，GPT-6 Sol 和 Google 模型紧随其后。 Kimi 优势在于 agentic 任务：GDPval-AA 得分 1846 Elo（领先多数），Terminal-Bench-Science 表现突出，权重发布后（预计 11 月 4 日）将成为开源权重冠军。
闭源 vs 开源差距拉大
v5 指数显示闭源模型平均领先开源 12 分以上，主要得益于私有数据集和更强的代理能力。这直接影响 API 中转 选择：
- 闭源 API：Token 价格 $2/$10/M，稳定性高，但无权重
- 开源：Kimi 等模型权重可本地部署或 vLLM 加速，性价比高
示例模型对比表（移动端横向滚动）：
| 模型 | v4 排名 | v5 排名 | 主要优势 benchmark | API 典型 $ / M | 本地部署推荐度 |
|---|---|---|---|---|---|
| Claude Opus 5.5 | 1-2 | 1-2 | Coding、Reasoning | 15-20 | 中等 |
| GPT-6 Sol | 3 | 2 | Agentic、Terminal-Bench | 20-30 | 低 |
| Kimi K3.1 Pro | 4 | 9 | Agentic、Terminal-Bench 4.0 | 10 | 高（权重发布后） |
| Gemini 4 Argon | 5 | 3 | Science、Multi-modal | 12 | 中 |
| DeepSeek V4.1 | - | 8 | Coding（开源代表） | 免费/低 | 高 |
数据以官方页面为准。闭源模型在高质量推理上占优，但开源模型在成本和本地化上更有优势。
开发者决策建议
- 优先闭源 API：如果需要最强 coding 和 agentic 能力，直接用 GrokCode API 中转 接入，无需权重管理。
- 选择开源权重：Kimi K3.1 Pro 权重到手后，结合 GrokCode API-lab 和 vLLM 在本地部署，性价比最高。
- 中转策略：混合使用，避免单点依赖。查看 GrokCode 模型天梯 和 官方 API 获取最新倍率。
- 本地部署优化：用 vLLM 加速 Kimi 等开源模型，结合 GrokCode 工具页 的部署指南。
延伸阅读
- GrokCode 模型天梯
- GrokCode API 中转
- GrokCode API 检测器
- GrokCode API 实验室
- GrokCode 开源模型
- GrokCode 工具：本地部署
- GrokCode 官方 API
- GrokCode 指南中心
风险与边界
不要尝试：任何非官方账号切换、IDE 席位改造成 API 接入、session 池轮转或补丁标记的操作。这些会直接导致对不上账、API 升级后必挂，甚至账号封禁。 注意边界：本地部署和 API 中转均为合法研究用途，但请严格遵守各模型提供商条款。指数数据以官方页面当天数据为准。 非法律意见：本文仅供技术参考，不构成任何合同或投资建议。
English summary
Artificial Analysis rebuilt its Intelligence Index v5 with 60% private datasets and 70% agentic workload weight, widening the gap between closed-source (Claude Opus 5.5, GPT-6 Sol) and open models. Kimi K3.1 Pro dropped 5 positions from 4th to 9th, scoring around 50 on the new benchmark. The Chinese model still excels in agentic tasks (GDPval-AA and Terminal-Bench-Science) and is expected to become the top open-weights model once weights release on November 4. For GrokCode users focused on API transit and model ladder, this means closed-source APIs offer stability but higher costs, while open weights enable cheaper local vLLM deployment. Compare via the index table above and choose based on coding vs agentic needs. Use GrokCode API transit for seamless mixing. Always check official pages for latest data. This update affects real-world API selection for coding and agentic workloads.
（正文字符数约 2650，去空白后中文为主）
适用于 GrokCode 倍率榜。信息仅供参考，不构成购买、投资或法律意见。