主要来源Artificial Analysis
查看原文事件专题 ·多源确认
Artificial Analysis 两周年：从 o1-preview 到覆盖智能体任务的评价体系
Artificial Analysis 回顾两周年，OpenAI 在两年前发布 o1-preview，是首个通过推理 token 先思考再作答的推理模型，如今所有前沿模型都采用这一方式。Artificial Analysis Intelligence Index v1 当时只用 MMLU、GPQA、MATH、HumanEval 四项单轮考试式评测。目前最新的 v4.3 版本已纳入 10 项更难的评测，覆盖长程智能体任务、高难度编程和知识型工作。
当前结论
Artificial Analysis 发文回顾两年：o1-preview 开创推理模型，他们的评测指数也从 4 项考试题扩到 10 项智能体任务，能看清评测怎么进化。
11 个信源58° AI 热度最后更新 2026/9/26 00:45:04
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。