在 v5 中，推理强度设置的影响比 v4.3 更大。Claude Opus 5.5 在 Intelligence Index 任务上低强度得 35 分、最高强度得 58 分，单任务成本相差 10 倍（0.98 美元对 10.04 美元）。Claude Sonnet 5.5 从低到高的分差从 v4.3 的 20 分扩大到 29 分，GPT-6.1 Sol 的分差则从 10 分翻倍到 20 分。

Artificial Analysis 发现，在 v5 中推理强度设置对分数的影响比 v4.3 更大：Claude Opus 5.5 在 Intelligence Index 任务上低强度 35 分、最高强度 58 分，单任务成本从 0.98 美元涨到 10.04 美元，相差 10 倍。Claude Sonnet 5.5 的低到高分差从 v4.3 的 20 分扩大到 29 分，GPT-6.1 Sol 的分差从 10 分翻倍到 20 分。这一发现之所以重要，是因为单个榜单数字现在掩盖了成本与质量之间的权衡，比较模型时应当在相同的强度和预算下进行。

• Artificial Analysis2026-10-28 02:11