Artificial Analysis 重做智能榜：私有测试权重升至 40%

Artificial Analysis 更新 Intelligence Index v4.2，目标是让榜单更难被针对性刷分。新版将私有测试权重从 20% 提升到 40%，由于模型厂商无法提前看到完整测试集，Benchmark 专门优化的空间被进一步压缩。

新版还加入了 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模拟持续数周的真实知识工作项目，要求模型处理大量关联任务和数千份文件。GDP.pdf 则基于 100 份、共 4592 页的专业 PDF 出题，要求模型跨文本、表格、图表和脚注寻找证据并作答。

GPQA Diamond 被移出综合指数。Artificial Analysis 认为，这一研究生级科学问答测试已接近饱和：GPT-6 Astra 最高达到 96.3%，Gemini 3.8 Flash 也达到 95.3%，已难以继续区分最强模型。

重新计算后，Claude Fable 5.1 仍位居第一，GPT-6 Astra 排名第二。Astra 得分 55，较 GPT-5.6 Sol 高 4 分。Artificial Analysis 还表示，Astra 在同级前沿模型中使用了更少的输出 Token。