榜首换成Gemini 4 Carbon，评测也换成了v5.0。本期对照10月26日已发表的榜单，30行仍放在一张图里，浅红色标出中国模型。先提醒一句：两期分数不宜直接相减。
Carbon high以59分排第一。Opus max为58，Opus xhigh和Astra max都是57。上期没有Carbon这一行；Kimi当时55分，本次46分。这里的9分不算“跌幅”，因为前一次用的是v4.3.2。
10月27日的官方说明（https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5）把九项测试分为四组：知识工作、编程、科学、通用能力各25%。其中有新增的FrontierCode 2.0、Terminal-Bench-Science，也有升级和撤下的项目。老成绩单没有直接搬到新总分里。
Carbon并非九项全赢。官方解读（https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1）给出的AA-Briefcase Elo是1609，Kimi为1678；但Carbon在另外四项测试领先。图中7.76美元按标准价格计算，未使用该文提到的限时折扣。
Astra high和Sol max都拿55分，成本一行3.24美元，另一行1.27美元。Sol少花1.97美元，总响应却从45.86秒变为283.35秒，多等237.49秒。后台跑批与前台连续追问，对这四分钟的容忍程度不会一样。
Terra的max、xhigh、high、medium分别51、45、42、38分，对应0.96、0.40、0.26、0.17美元。max相对medium多13分，成本约5.65倍。这13分没有告诉我们固定格式抽取会少错几条，仍需在目标数据上测。
本期Opus max为10.04美元，约为Sol max的7.91倍。上期Opus写5.98美元，不能顺手算成API涨价：榜单这一列是评测任务成本，换了任务集合与token消耗，不是同一商品的两次报价。
Kimi K3.1 Pro在第22，46分、3.68美元。26日长图里有四个国产条目，今天只有它。这是入围数量变化，不是四个模型的受控性能对比；两张图之间还隔着v5换版。
Qwen3.8 Max 0902在37，34分、10.02美元。38、39分别是DeepSeek V4.1 Flash 1017 max和GLM-5.3 max，都是32分。MiMo-V2.6-Pro第45，30分、0.26美元。后面几行仍列出来，方便查找国产候选。
DeepSeek的成本0.60美元，GLM为5.01美元，相差8.35倍；总响应分别15.33、34.08秒。同分时这两列已经能拉开不少距离。中文情绪标注还缺一列：每百条结果需要人工改多少条。评测榜没有给出这个数。
第31的Haiku max：36分、0.41美元、234 tokens/s。总响应328.83秒，其中326.69秒都在首块输出之前，约占99.35%。读完速度列，还得翻到等待时间；234并没有把这一轮缩短到几秒。
MiniMax-M3.1-Flash第49，Step 5 Preview第50，同为29分。MiniMax为121 tokens/s、22.04秒、0.49美元；Step为170 tokens/s、15.61秒、2.35美元。本次测量中，Step少等6.43秒，成本多1.86美元。
这张表没有排队、内部推理各自占时，因而无法解释为什么等得久。做交互实验时要自己留首块延迟和整轮耗时。Wonder Full则连成本、运行数值都未披露，本期继续留“--”，不参与最低成本比较。
30行并不是30个独立模型。按机构数，OpenAI占13行、Anthropic占12行，合计25；Google与Meta各2行，Kimi占1行。比如Sol的max、xhigh、high、medium都在图内，不能把四个档位算成四款新模型，也不能把条目数量当成市场份额。
情感识别可以先做这样的对照：“行，你说了算”，前面分别接接受建议和表达不满的对话，核对标签与证据句。正式比较用独立测试集的macro-F1、逐类召回率，再另记格式错误和耗时。这里给的是试验设计，尚无模型实测结果。
最后保留两个口径：方法页（https://artificialanalysis.ai/methodology/intelligence-benchmarking）以英语、文本任务为主，部分评测包含图像输入，59分不等于中文情感分类准确率59%；官方用于跨期追踪的是Progress Index，本期照录的是当前Intelligence Index。这两种指数不能混着算升降。
数据来源： Artificial Analysis LLM Leaderboard（https://artificialanalysis.ai/leaderboards/models）
评测方法： Artificial Analysis Intelligence Index v5.0（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30日
