Artificial Analysis duplica los datos privados reservados al 40% de su Intelligence Index en la v4.2

Artificial Analysis lanzó Intelligence Index v4.2, duplicando los conjuntos de prueba privados reservados al 40% de la ponderación, añadiendo AA-Briefcase para el trabajo de conocimiento agéntico y GDP.pdf de Surge AI que abarca 4592 páginas en PDF, y eliminando el saturado GPQA Diamond. El cambio contra la manipulación es la verdadera novedad: la posición en el ranking ahora depende de datos con los que los laboratorios no pueden entrenar. Claude Fable 5.1 sigue liderando a nivel general, mientras que GPT-6 Astra ocupa el segundo lugar y lidera en GDP.pdf con un 33,2% frente al 26,2% de Fable 5.1.

Fuente: artificialanalysis.ai ↗