Claude Opus 5 登顶 Artificial Analysis 智能排行榜，多项 AI 模型性能数据披露

核心要点

• 智能巅峰：Claude Opus 5 系列（max 和 xhigh 版本）目前在 Artificial Analysis 智能指数中排名第一，超越了 GPT-5.6 Sol。
• 性能突破：Mercury 2 展现了极高的推理速度，达到每秒 939 个 token，成为目前最快的模型。
• 极低延迟：Gemini 2.5 Flash-Lite 以 0.35 秒的延迟在响应速度上领先，紧随其后的是 Command A+。
• 超大上下文：Llama 4 Scout 提供了高达 1000 万 token 的超大上下文窗口，远超其他竞争对手。
• 成本优势：Devstral 2 和 North Mini Code 在价格维度上表现最突出，每百万 token 成本为 0 美元。

详细分析

智能维度的巅峰对决

在最新的 Artificial Analysis 智能指数 v4.1 中，Claude Opus 5 展现了卓越的性能。该指数是一个综合性的评估体系，包含了 GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 以及 AA-LCR 等 9 项严苛评估。Claude Opus 5 (max) 和 Claude Opus 5 (xhigh) 的登顶，标志着 Anthropic 在大语言模型逻辑推理与知识理解方面的领先地位。紧随其后的是 Claude Fable 5（带回退机制）和 GPT-5.6 Sol (max)，这显示出顶级模型之间的竞争已进入白热化阶段。

速度、延迟与效率的权衡

除了纯粹的智能，性能指标也是衡量模型实用性的关键。在输出速度方面，Mercury 2 以惊人的 939 t/s 位居榜首，远超 HyperNova 60B 2605 的 436 t/s。在低延迟应用场景中，Google 的 Gemini 2.5 Flash-Lite 和 Command A+ 表现突出，响应时间分别控制在 0.35 秒和 0.41 秒。这些数据表明，针对实时交互和高吞吐量需求，行业内已经出现了专门优化的轻量化或高性能模型，如 Gemini 3.5 Flash-Lite 和 Granite 4.0 H Small。

上下文容量与成本控制的新标杆

在处理长文本能力上，Llama 4 Scout 以 10M（1000 万）token 的上下文窗口遥遥领先，Grok 4.20 0309 则以 2M 紧随其后。这种超大规模的上下文支持为处理超长文档、复杂代码库和长时间对话提供了可能。与此同时，成本控制也达到了极致，Devstral 2 和 North Mini Code 实现了零成本（$0.00/M tokens），而 Gemma 3 系列（4B 和 27B）也保持了极高的性价比。这反映了 AI 市场在追求高性能的同时，也在不断下探使用门槛。

行业影响

此次排名更新反映了 AI 行业竞争的最新格局。Claude Opus 5 的登顶挑战了 OpenAI 在智能领域的传统统治地位，证明了多维度评估体系下模型表现的多样性。同时，模型性能的分化愈发明显：一部分模型追求极致的智能（如 Opus 5、GPT-5.6），另一部分则在速度（Mercury 2）或成本（Devstral 2）上寻求差异化竞争。这种多样化的发展趋势将为不同需求的开发者提供更精准的选择，推动 AI 应用在各行各业的深度落地，尤其是在需要超长上下文或极速响应的专业领域。

常见问题

问题：什么是 Artificial Analysis 智能指数 v4.1？

答：它是衡量 AI 模型综合能力的指标，包含了 GDPval-AA v2、SciCode、GPQA Diamond 等 9 项专业评估，旨在通过多维度测试反映模型的真实智能水平。

问题：目前最快的 AI 模型是哪一个？

答：根据最新数据，Mercury 2 是目前输出速度最快的模型，达到每秒 939 个 token，远高于行业平均水平。

问题：哪些模型在上下文窗口上具有显著优势？

答：Llama 4 Scout 拥有最大的上下文窗口，达到 1000 万 token，其次是 Grok 4.20 的 200 万 token，这使得它们在处理超长文本任务时具有明显优势。