Artificial

Artificial Analysis 是一家独立的人工智能模型评测机构，通过统一基准对全球大语言模型、图像与视频生成模型进行性能、速度和价格排名，已成为业内选型的重要参考。近期，该平台的多个榜单密集更新，反映出开源权重模型与决策类专用模型的快速迭代。

Artificial Analysis 近期进展

Artificial Analysis 更新 Optima，支持自定义模型基准测试：平台工具 Optima 迎来更新，用户可按自身需求构建自定义测试集，对候选模型进行针对性评估，降低了企业选型的门槛。

Meta 发布开源权重模型 Muse Spark Open：816B 总参数，登顶美国开源模型：Meta 新模型以 8160 亿总参数位居美国开源权重模型榜首，并允许免费商用，被认为将改变开源生态的竞争格局。

Liquid AI 发布 d1-ultra，登顶 Artificial Analysis Decision Index v1.0：Liquid AI 的多模态决策模型 d1-ultra 在 Decision Index v1.0 中取得 65 分登顶，显示专用决策模型正成为新的评测维度。

Reflection 首个模型 Beam 登上美国开源权重模型第二位：初创公司 Reflection 的首个模型 Beam 甫一发布即冲至榜单第二，仅次于 Meta 的 Muse Spark Open。

开源权重模型的竞争明显升温。Meta 的 Muse Spark Open（816B 参数）、蚂蚁百灵的 Ling-3.1-flash（560B 参数、支持 1M 上下文）以及 Reflection 的 Beam 在同一时间窗口集中发布，使美国开源榜单前排位置在数日内多次易主。

评测维度也在扩展。除了传统的通用能力榜单，Artificial Analysis 推出的 Decision Index 与支持自定义测试的 Optima，指向一个趋势：单一综合分数难以满足真实场景，决策能力、智能体表现等专项基准的重要性在上升。

硬件与本地部署是另一条观察线。NVIDIA 公布了 Vera Rubin NVL72 的首批基准成绩，而 RTX Spark N1X 笔记本在 128 GB 统一内存上实测 Qwen3.8 27B 本地智能体的结果，则显示端侧运行较大参数模型正变得可行。

后续值得关注的，包括 Decision Index 是否被更多厂商采纳为标准指标、开源榜单头部竞争能否持续，以及 Optima 自定义评测在企业选型中的实际采用率。