Artificial Analysis cambia i test: il divario fra le AI si allarga anche perché cambia il lavoro

La nuova classifica di Artificial Analysis misura un lavoro più impegnativo per gli agenti AI, e i distacchi cambiano parecchio. L’Intelligence Index v5, pubblicato il 27 ottobre, introduce nuove prove di codice e ricerca scientifica e aggiorna quelle di conoscenza. Il 60% dell’indice si basa ora su test privati o risposte riservate.

Nel complesso guida Claude Opus 5.5 al massimo livello di ragionamento. Kimi K3.1 Pro, i cui pesi non sono ancora pubblicati, è a 12 punti dalla vetta: nella versione precedente il divario con il migliore della categoria open-weight era di 3 punti. Fra i modelli con pesi già disponibili primeggiano DeepSeek V4.1 Flash 1017 e GLM-5.3, entrambi a 32.

Codice, scienza, lavoro professionale e capacità generali pesano ciascuno un quarto, su un insieme di prove rivisto: il distacco cresce anche perché è cambiato ciò che si chiede ai modelli. Nessuno vince in tutte le prove. Cresce anche il consumo: la mediana dei token di output per compito passa da 35.000 a 59.000.

Artificial Analysis affianca all’indice un Progress Index per seguire le capacità nel tempo su una scala continua, separata dalle revisioni della classifica.