Artificial Analysis Intelligence Index v5 yayımlandı
Öne çıkanlar
- Claude Opus 5.5 58 puanla endeksin zirvesine yerleşirken GPT-6 Astra 57 puanla ikinci oldu.
- Açık ağırlıklı modeller ile lider tescilli modeller arasındaki puan farkı 3 puandan 12 puana çıktı.
- Değerlendirmedeki görevlerin yüzde 60'ı veri sızıntısını önlemek amacıyla kapalı test setlerine taşındı.
Yapay zeka modellerini kapsamlı kriterlerle değerlendiren Artificial Analysis, Intelligence Index v5 sürümünü duyurdu. Yeni sürümde iki yeni test kümesi ve üç önemli güncelleme yer aldı. Değerlendirmenin yüzde 60'ı ilk kez kapalı test setlerine ve gizli cevaplara dayandırıldı. Platform ayrıca modellerin zaman içindeki gelişimini tek bir ölçekte izleyen Progress Index v1 adlı yeni aracını da kullanıma sundu.
Endeks sonuçlarında Anthropic tarafından geliştirilen Claude Opus 5.5 (max), 58 puan alarak genel sıralamada ilk sıraya yerleşti. OpenAI modellerinden GPT-6 Astra (max) 57 puanla ikinci, GPT-6.1 Sol (max) ise 55 puanla üçüncü oldu. Ağırlıkları henüz yayımlanmayan Kimi K3.1 Pro 46 puanla açık ağırlıklı modeller arasında en yüksek skoru elde etti. Ağırlıkları kamuya açık en başarılı modeller olan DeepSeek V4.1 Flash 1017 ve GLM-5.3 ise 32 puanda kaldı.
Araştırma, en üst seviye modeller ile açık ağırlıklı alternatifler arasındaki performans farkının önceki sürüme göre 3 puandan 12 puana çıktığını gösterdi. Görev başına maliyet tarafında lider modeller arasında 13 katı aşan farklar kaydedildi. GPT-6.1 Sol, lider modele yakın bir başarım sunarken görev başına 1,27 dolar maliyet üretti; Claude Opus 5.5 için bu rakam 10,04 dolar seviyesine ulaştı.
Bu özet yapay zekâ ile hazırlanmıştır; ayrıntılar ve doğrulama için orijinal kaynağa başvurun.