这套新推出的行业基准测试究竟有何来头？具体而言，Artificial Analysis 于 7 月 7 日通过 X 平台发布说明：他们参考了美国职业信息网络 O*NET 的职业分类体系，覆盖金融与会计、法律、医疗健康、战略与运营、工程、经济学这六大行业场景。每个场景下，依据相关任务中技能的分布频率来分配权重，最终形成了全新的能力指数，共包含 8 项指标。
评测结果呈现出一边倒的态势。在全部 8 项指标中，Claude Fable 5（以 Opus 4.8 作为备选模型）包揽了所有第一名；Claude Opus 4.8 (max) 拿下了 6 项第二名，剩余 2 项第二名则归属 OpenAI 的 GPT-5.5 (xhigh)。
开放权重阵营的表现同样值得关注。GLM-5.2 (max) 在 6 个行业指数中的 5 个领域处于领先地位，尤其在工程基准指数中拿到 53 分，排名第五，仅落后 Claude Sonnet 5 (max) 和 GPT-5.5 (xhigh) 两分，差距微乎其微。
不过，性能领先并不代表一切。在成本方面，Claude Fable 5 在战略与运营指数中每项任务成本高达 3.48 美元，而 DeepSeek V4 Pro max 仅为 0.03 美元——两者相差超过 100 倍，但在性能得分上，Claude 仅高出 12 分。性价比的悬殊对比一目了然。
另一边，DeepSeek V4 Flash（max）的表现则显得更为务实：它在全部 6 个指数上的任务完成成本均低于 0.04 美元，同时得分处于中游水平。综合权衡之下，它或许更适合算力预算有限的团队。相关数据一并附上：AI战略运营指数报告Claude Fable5领先12分每任务成本超百倍
人工分析新增六行业指数测试，克劳德法布尔五包揽八指标第一，但战略运营指数每任务成本三点四八美元，比深度求索四代专业版贵百倍，性能仅高十二分。智谱五点二在五行业领先，深度求索四代闪存版成本低于零点零四美元，得分中游。
7 月 9 日，AI 领域再度迎来一轮重磅评测更新。科技媒体 The Decoder 报道称，Artificial Analysis 新增了 6 个行业指数测试，结果令人震撼——Anthropic 旗下的 Claude Fable 5 模型全面霸榜，在所有项目上均斩获第一。
这套新推出的行业基准测试究竟有何来头？具体而言，Artificial Analysis 于 7 月 7 日通过 X 平台发布说明：他们参考了美国职业信息网络 O*NET 的职业分类体系，覆盖金融与会计、法律、医疗健康、战略与运营、工程、经济学这六大行业场景。每个场景下，依据相关任务中技能的分布频率来分配权重，最终形成了全新的能力指数，共包含 8 项指标。
评测结果呈现出一边倒的态势。在全部 8 项指标中，Claude Fable 5（以 Opus 4.8 作为备选模型）包揽了所有第一名；Claude Opus 4.8 (max) 拿下了 6 项第二名，剩余 2 项第二名则归属 OpenAI 的 GPT-5.5 (xhigh)。
开放权重阵营的表现同样值得关注。GLM-5.2 (max) 在 6 个行业指数中的 5 个领域处于领先地位，尤其在工程基准指数中拿到 53 分，排名第五，仅落后 Claude Sonnet 5 (max) 和 GPT-5.5 (xhigh) 两分，差距微乎其微。
不过，性能领先并不代表一切。在成本方面，Claude Fable 5 在战略与运营指数中每项任务成本高达 3.48 美元，而 DeepSeek V4 Pro max 仅为 0.03 美元——两者相差超过 100 倍，但在性能得分上，Claude 仅高出 12 分。性价比的悬殊对比一目了然。
另一边，DeepSeek V4 Flash（max）的表现则显得更为务实：它在全部 6 个指数上的任务完成成本均低于 0.04 美元，同时得分处于中游水平。综合权衡之下，它或许更适合算力预算有限的团队。相关数据一并附上：
这套新推出的行业基准测试究竟有何来头？具体而言，Artificial Analysis 于 7 月 7 日通过 X 平台发布说明：他们参考了美国职业信息网络 O*NET 的职业分类体系，覆盖金融与会计、法律、医疗健康、战略与运营、工程、经济学这六大行业场景。每个场景下，依据相关任务中技能的分布频率来分配权重，最终形成了全新的能力指数，共包含 8 项指标。
评测结果呈现出一边倒的态势。在全部 8 项指标中，Claude Fable 5（以 Opus 4.8 作为备选模型）包揽了所有第一名；Claude Opus 4.8 (max) 拿下了 6 项第二名，剩余 2 项第二名则归属 OpenAI 的 GPT-5.5 (xhigh)。
开放权重阵营的表现同样值得关注。GLM-5.2 (max) 在 6 个行业指数中的 5 个领域处于领先地位，尤其在工程基准指数中拿到 53 分，排名第五，仅落后 Claude Sonnet 5 (max) 和 GPT-5.5 (xhigh) 两分，差距微乎其微。
不过，性能领先并不代表一切。在成本方面，Claude Fable 5 在战略与运营指数中每项任务成本高达 3.48 美元，而 DeepSeek V4 Pro max 仅为 0.03 美元——两者相差超过 100 倍，但在性能得分上，Claude 仅高出 12 分。性价比的悬殊对比一目了然。
另一边，DeepSeek V4 Flash（max）的表现则显得更为务实：它在全部 6 个指数上的任务完成成本均低于 0.04 美元，同时得分处于中游水平。综合权衡之下，它或许更适合算力预算有限的团队。相关数据一并附上：来源：https://www.ithome.com/0/974/505.htm
相关热点
继续查看同栏目近期热点。
延伸阅读
补充最近整理过的热点入口。