人工智能分析公司 (Artificial Analysis) 是一家独立的 AI 基准测试机构，于周一发布了对其智能指数的重大改革，从根本上改变了行业衡量人工智能进步的方式。 新的智能指数 v4.0 包含了 10 项评估，涵盖代理、编码、科学推理和通用知识，从而摆脱了该组织认为已经过时的传统基准。

该组织移除了三项主要的基准测试——MMLU-Pro、AIME 2025 和 LiveCodeBench——这些基准测试曾被 AI 公司在其营销材料中广泛引用。取而代之的是旨在衡量 AI 系统是否能够完成反映人们有偿从事的现实世界工作的任务的评估。 这种转变反映了人们日益增长的担忧，即现有基准测试过于注重回忆，而对实际应用的关注不足。

智能指数是 AI 模型备受关注的排名系统，影响着开发者和企业买家。 此次改革标志着对 AI 进展评估方式的关键调整。 新的指数不再优先考虑标准化测试的性能，而是强调 AI 系统的经济效用。 这一变化发生在 AI 模型快速改进之际，使得旧的基准测试在区分能力方面效果较差。

“这种指数转变反映了一种更广泛的转变：智能的衡量标准越来越少地取决于回忆，而更多地取决于具有经济价值的行动，”一位对该公告做出回应的研究员 Aravind Sundar 观察到。 这种观点突出了对 AI 智能不断发展的理解，从简单的知识检索转向问题解决和实际应用。

这一变化对 AI 行业具有重大意义。 各公司可能需要重新考虑其营销策略，减少对原始基准分数的关注，而更多地关注展示现实世界的能力。 企业买家可能会更加重视反映其特定需求和用例的评估。 更新后的指数旨在提供对 AI 系统更准确和相关的评估，从而以更实际的方向指导开发和采用。 新的指数已立即生效，人工智能分析公司计划根据该领域的持续发展继续完善评估。