Omniscience(意为"全知")是当前大模型评测领域常被借用的一个说法,用来形容以 Artificial Analysis 智能指数(Intelligence Index)为代表的第三方综合评测体系:它们试图用统一分数回答"哪个模型最聪明、最划算"。随着 OpenAI、Google、阿里、Anthropic 等厂商密集发布新模型,这一榜单生态正在成为行业选型的参考坐标。
Omniscience 评测体系下的近期竞争
评测维度正在分化
除了通用智能,Omniscience 式的全维度评测还在延伸到细分能力。Google 发布首个决策模型 Gemini Decision 1,Decision Index 得 66 分(报道);Subquadratic 的 SubQ Snap 1.2 把决策指数推至 73 分(报道);搜索侧则有 Keenable Search 1.0 登顶搜索基准(报道)。中国厂商方面,腾讯混元 Hy4 上榜,位列中国实验室第二名(报道)。
当前焦点与观察点
现阶段围绕这类"全知式"榜单的主要争议有三点:一是单一指数是否足以概括模型在真实任务中的表现;二是降价速度远快于分数提升,性价比权重应占多少;三是 Google 推出独立的决策指数、搜索基准单独排名,说明评测体系本身也在碎片化。值得持续观察的是,当各家旗舰模型分数差距收窄时,成本、垂直场景分数和评测方法的透明度,可能比总分更能决定模型的实际采用。