数据统计时间：2026年8月14日
什么是"智商"？
这里的"智商"指 Artificial Analysis Intelligence Index，一个综合性的语言模型智能评估指数。该指数综合了 9 个权威评测基准，覆盖四大能力维度：
| | |
|---|
| 智能体（Agent） | | GDPval-AA v2（真实知识工作）、𝜏³-Banking（金融客服） |
| 编程（Coding） | | Terminal-Bench v2.1（终端操作）、SciCode（科学计算） |
| 科学推理 | | HLE（人类终极考试）、GPQA Diamond（研究生级问答）、CritPt（前沿物理） |
| 通用能力 | | AA-LCR（长文本推理）、AA-Omniscience（知识准确性） |
指数不是跑几个选择题，而是让模型真正干活——写代码、处理客服、做物理题、读长文档——然后综合打分。分数越高代表模型越"聪明"。
TOP 25 排行
| | | |
|---|
| | 63 | |
| | 63 | |
| Claude Fable 5 (with fallback) | 62 | |
| | 61 | |
| | 61 | |
| | 61 | |
| | 60 | |
| | 59 | |
| | 59 | |
| | 58 | |
| | 58 | |
| | 57 | |
| | 57 | |
| | 57 | |
| | 56 | |
| | 56 | |
| | 56 | |
| | 55 | |
| Gemini 3.7 Flash (medium) | 53 | |
| DeepSeek V4 Pro 0813 (max) | 53 | |
| | 53 | |
| | 53 | |
| | 52 | |
| | 52 | |
| DeepSeek V4 Flash 0731 (max) | 52 | |
TOP 7 模型详情
1️⃣ Claude Opus 5 (max / xhigh) — 63 分，登顶
Anthropic 的旗舰模型，两种推理档位并列第一。
3️⃣ Claude Fable 5 (with fallback) — 62 分
上月的第一名，本月被同门 Opus 5 反超 1 分。
4️⃣ GPT-5.6 Sol (max) — 61 分
OpenAI 的编程旗舰，与 Opus 5 (high) 和 Grok 4.6 并列第四。
4️⃣ Grok 4.6 (high) — 61 分，空降
本月最大黑马。 xAI 的 Grok 4.6 发布后直接进入第一梯队，追平 GPT-5.6 Sol（61 分）。8 月 12 日 Artificial Analysis 发文称其"回到智能前沿，并在成本效率上领先"。
7️⃣ Kimi K3 (max) — 60 分
国产模型最高分。
榜单主要变化
Grok 4.6 空降前三
xAI 的 Grok 4.6（high 模式）拿 61 分，追平 GPT-5.6 Sol。此前 4.5 版本的成绩是 56 分，这一代涨了 5 分。速度 65 tok/s。
Qwen3.8 系列进入前十
阿里 Qwen3.8 Max 和 Qwen3.8 2.4T A95B 均拿 58 分，并列第十，是继 Kimi K3 之后国产模型的新势力。
DeepSeek V4 Pro 0813 正式版上线
DeepSeek V4 Pro 的 8 月 13 日版本（0813）正式评测上线，拿 53 分，比 7 月的 V4 Pro Preview（44 分）涨了 9 分。V4 Flash 0731 保持 52 分。
Gemini 3.7 Flash 更新
Google 的 Gemini 3.7 Flash（high 模式）拿 56 分，从中档的 50 分左右上涨。它最突出的数据是速度——340 tok/s，全球第一，是第二名（Gemini 3.7 Flash medium 274 tok/s）之后断崖式领先。medium 档也有 53 分、274 tok/s。
MiniMax-M3 不在本榜单前列
上月在榜的 MiniMax-M3（45 分）本次未进入前 25 显示范围。
