先看长图下半部分：浅红色从两行变成了四行，多出DeepSeek V4.1 Flash 1017和GLM-5.3。榜首没有换，仍是58分的Claude Opus 5.5。今天继续把前30名放在一张图里，图后说明名单怎么变了，以及这几组价格、速度和等待时间该怎样读。
第1名还是Claude Opus 5.5（max with fallback），58分、每项任务5.98美元。其后三行依次为Sonnet 5.5 max、Opus 5.5 xhigh和Muse Wonder Full max，都是56分。与10月18日快照相比，这四行的顺序、分数和已披露任务成本均未变，Wonder Full的成本、速度和响应时间也仍是“--”。
换行的是榜单后半段。DeepSeek V4.1 Flash 1017 max排第29，GLM-5.3 max排第30；10月18日图内的Muse Spark 1.3 max和xhigh，在本次Current列表中未列出。共同留在前30的28个条目，分数和任务成本都没变。这里能确认的是当前名单不同，不能据此给未列出的模型补一个“降分”结论。
榜首的等待时间倒有变化：Opus max总响应从733.40秒变为653.02秒，输出速度却从97变为95 tokens/s。速度略低，等待反而较短。两列描述的不是同一件事；两次官网快照也不是同一批请求的配对实验，不能把这个差额当成稳定提速幅度。
GPT-6.1 Sol max仍为52分、0.72美元，排第13。本次是54 tokens/s、首块延迟281.25秒、总响应290.45秒；10月18日对应为66 tokens/s、324.19秒和331.76秒。和Opus一样，只看输出速度会把这次变化读反。至于自己的长文输入要等多久，仍须另做测试。
第9名Gemini 4 Argon high仍是53分、1.99美元，但原来留空的运行指标已经有数值：81 tokens/s、首块延迟48.55秒、总响应54.69秒。能补充的是这次测量结果，不是“从无穷慢变快”，也不是发现它今天才具备这些能力。前一期没有数值，便无法计算前后提速。
同为52分的Muse Wonder max仍排第10，任务成本4.52美元，本次总响应46.59秒；Sol max为290.45秒。成本约为6.28倍，等待却短不少。用来批量抽取文献字段，还是反复追问一篇论文，取舍可能不同。这里的任务成本不是“每篇论文收费”，也不是每百万token的API报价。
浅红色现在有四行：第26名MiMo-V2.6-Pro，46分、0.13美元；第28名Qwen3.8 Max（0902），45分、5.41美元；第29名DeepSeek V4.1 Flash 1017 max，45分、0.26美元；第30名GLM-5.3 max，45分、2.01美元。MiMo、Qwen和GLM的展示分数、任务成本都与10月18日存档相同，不能把名次前移写成能力涨分。
从第28行读到第30行，会连续遇到三个45分。Qwen的任务成本是5.41美元，DeepSeek是0.26美元，GLM是2.01美元；总响应分别为65.05秒、13.19秒和36.46秒。DeepSeek这一档还给出了206 tokens/s和1.04秒的首块延迟。相同的总分下面，付出和等待相差很大；至于哪一个更擅长区分中文相近情绪，这几列尚未回答。
这里还要核对一个日期。DeepSeek带1017后缀的新评测条目，10月18日已出现在官方更新日志中，当时记录的就是45分。它没有进入那天10:18的留存快照，今天出现在第29行。GLM则一直有旧记录：10月18日排第31，今天排第30，同样是45分。若把这两行统称为“今天发布的国产新模型”，日期和对象都会混在一起。
Haiku 5.5 max从存档的第34移到第33，保留43分和0.21美元。总响应从338.50秒变成312.57秒，少了25.93秒；只是，等完这一轮仍要五分多钟。把312.57秒再拆开看，首块输出前占了310.44秒。模型开始往外输出以后并不慢，问题是开始之前要等多久，这也是长图里速度列容易漏掉的部分。
第34行值得顺手记进候选表：MiniMax-M3.1-Flash，43分、0.22美元，评测结果记录于10月19日。本次总响应28.23秒，首块延迟1.38秒，输出速度93 tokens/s。它比Haiku max的235 tokens/s低，但等待明显较短。两者刚好提供了一个同分对照：总分、输出速度、端到端等待，三种排序并不相同。
如果把图片的截取线往下挪两行，还能看到Step 5 Preview和Kimi K3 max，分别排31、32，都是44分，任务成本为1.03美元、2.00美元。这两个名字并没有从官网消失，只是本图截到30。本文额外记下它们和MiniMax，是为中文任务保留候选，不是另做一份情感识别排行榜。
整理这期时，最需要回查的其实是GLM。只看两张图，它从图外回到图内，很容易被写成“升分回归”；打开10月18日的原始记录，第31行就是45分、2.01美元。今天这两个数原封不动。Muse Spark又是另一种情况：本次Current列表没有那两行，当前快照没有给出它们降分的证据，本文只记录未列出。
给情感识别实验选模型，我更在意45分附近的几行会把什么判错。可以用同一批含反讽、多轮上下文和情绪转折的样本，逐条保留原文、预测标签、证据句与耗时。先检查标签有没有越界、证据是否真的出现在原文，再进入独立测试集，统计macro-F1和逐类召回率。小样本排查用来找故障，正式测试用来比较结果，两步各有用途。
还有一个数字含义要保留：这里采用Artificial Analysis Intelligence Index v4.3.2，主要评估英语文本，图像、语音和多语言另行报告。图中的45分不是45%的情感分类准确率。读完榜单，若能缩小一轮待测名单，再知道应该检查哪类错例，就已经比记住谁高一名、谁低一名更有用了。
数据来源： Artificial Analysis LLM Leaderboard（https://artificialanalysis.ai/leaderboards/models）
评测方法： Artificial Analysis Intelligence Index v4.3.2（https://artificialanalysis.ai/methodology/intelligence-benchmarking）
官方更新日志： Artificial Analysis Changelog（https://artificialanalysis.ai/changelog）
数据截点： 2026年10月22日
