Artificial Analysis Intelligence Index（AA 智能指数）
Artificial Analysis Intelligence Index第三方模型跑分榜
亦作、亦称：AA 智能指数 · AA Intelligence Index · Artificial Analysis Index · Intelligence Index
Artificial Analysis Intelligence Index 是第三方跨模型智能比较基准——用标准化任务集在真实 API 端点上测量 LLM 多维能力，输出 0-100 可比指数，是工程选型的稳定能力维度参照。
它量的是什么
AA Intelligence Index 用一组标准化任务（推理、编码、数学、知识、多语言等）在真实 API 端点上测量模型表现，输出 0-100 的单一指数。它不是单一 benchmark 的分数，而是多维任务的加权综合——目的是给出一个「能力维度」的横向可比数字，供工程选型时快速定位模型档位。
与 LMSYS Chatbot Arena 的边界
LMSYS/Chatbot Arena 基于人类偏好投票（Elo 评分），反映「人觉得哪个更好」；AA Intelligence Index 基于标准化任务表现，反映「模型在可复现任务上做得多好」。两者互补：Arena 捕捉主观偏好与风格差异，AA Index 捕捉可复现的任务能力。选型时两者都看：Arena 高但 AA Index 低的模型可能「讨喜但不准」，反之可能「准但不讨喜」。
工程选型中的位置
AA Index 在模型选型中承担「能力维度」这一轴。完整选型需同时看：能力（AA Index / Arena Elo）、成本（$/百万 token）、速度（TTFT、吞吐）、上下文（窗口长度）、合规（数据驻留、协议）。单看指数会忽略成本约束，单看成本会忽略能力门槛——面试题 model-pricing-selection-001 正是围绕这三轴的工程权衡展开。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「第三方模型跑分榜」
- 「AI 模型的综合评分」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 高级系统设计查看详解 →
在预算约束下，如何综合 Artificial Analysis Intelligence Index、$/token 价格与上下文窗口做模型选型？给出决策框架与真实对照案例
2026 年模型 API 选型不再是「选最强的」，而是「在预算约束下选最合适的」。本题考察候选人能否建立「能力（AA Intelligence Index）× 成本（$/百万 token）× 上下文（窗口长度）」三轴决策框架，并用 Grok 4.6 平价追平（Index 61 vs $2/$6）与 Claude Sonnet 5 介绍价永久化（$2/$10，news-7693）等真实案例做对照。与 agent-cost-engineering-001（Agent 成本工程）互补：后者解决「已经选了模型之后如何降本」，本题解决「选模型阶段如何权衡」。
- 初级概念高频查看详解 →
什么是大语言模型（LLM）？它能做什么、不能做什么？
LLM 是基于 Transformer、在海量文本上预训练的自回归语言模型，擅长语言任务，但不擅长精确计算、实时信息，且会产生幻觉。
- 中级概念查看详解 →
Claude Opus 5 如何在降低成本的同时提升安全性？「guardrails 激活频率降低 85%」意味着什么？
考察候选人对前沿模型「安全-可用性平衡」的理解：以 2026 年 7 月发布的 Claude Opus 5 为例，解读「guardrails 激活频率较 Fable 5 降低 85%」的真实含义、过度拒绝（over-refusal）问题，以及为什么「更少误拦」与「更安全」可以同时成立。
- 高级概念查看详解 →
比较 Subquadratic Attention 与标准 Self-Attention 的复杂度差异。长上下文 LLM 的工程挑战有哪些？
考察候选人对注意力机制复杂度的理解：标准自注意力为何是 O(n²)、亚二次注意力的实现路径（稀疏/低秩/线性/SSM）、SubQ 的工程突破，以及长上下文 LLM 在内存、延迟、成本上的工程挑战。
延伸阅读
从知识库精选 1 篇文章，帮助深入理解该术语。
外部参考
维基百科：查看「Artificial Analysis Intelligence Index」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。