AA-Briefcase（Artificial Analysis）

Artificial Analysis / 专业办公 · 办公知识工作的长任务，两两比较交付结果。

在 AICue 中参与排名

所属领域专业办公

上游数据时间待核实

最近成功同步10/30 02:05

它测什么，怎么测

取 Artificial Analysis 独立公布的 AA-Briefcase 的 Elo 等级分。同一型号按最高推理档位选代表配置，选择不看分数。

AICue 怎么用它

计分：专业办公领域，与 GDPval-AA 同属职业交付一类，两项合起来算一票。

评测成绩

同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	claude-sonnet-5-5Anthropic	1,811.8	Max 推理 · 含来源回退
2	claude-opus-5-5Anthropic	1,799.7	Max 推理 · 含来源回退
5	muse-wonder-fullMeta	1,729.3	Max 推理
7	kimi-k3-1-proMoonshot AI	1,677.8	来源默认配置
8	claude-fable-5-1Anthropic	1,669.4	Max 推理 · 含来源回退
9	muse-wonderMeta	1,658.7	Max 推理
10	claude-opus-5Anthropic	1,655	Max 推理
12	grok-4-7xAI	1,637.8	xHigh 推理
17	gemini-4-carbonGoogle	1,609.5	High 推理
18	qwen3-8-maxAlibaba	1,607.7	来源默认配置
19	muse-spark-1-3Meta	1,581.3	Max 推理
21	claude-haiku-5-5Anthropic	1,575.4	Max 推理
22	qwen3-8-flash-nextAlibaba	1,574.1	来源默认配置
23	deepseek-v4-1-flash-1017DeepSeek	1,570.4	Max 推理
24	gpt-6-astraOpenAI	1,568.1	Max 推理
26	gpt-6-1-solOpenAI	1,555.1	Max 推理
28	grok-4-6-xhighxAI	1,541.1	xHigh 推理
29	claude-fable-5Anthropic	1,535.4	Max 推理 · 含来源回退
33	ling-3-1-flash-1019InclusionAI	1,521.1	来源默认配置
34	mimo-v2-6-proXiaomi	1,510.7	来源默认配置
36	glm-5-3Z.ai	1,504	Max 推理
38	kimi-k3Moonshot AI	1,497.9	Max 推理
40	mimo-v2-6-flashXiaomi	1,486.1	来源默认配置
41	gemini-4-argonGoogle	1,483.3	High 推理
45	gpt-5-6-solOpenAI	1,478.2	Max 推理
46	gpt-6-solOpenAI	1,476.1	Max 推理
47	minimax-m3-1-flashMiniMax	1,473.4	来源默认配置
50	glm-5-3-flashZ.ai	1,450.6	来源默认配置
55	qwen3-8-2-4t-a95bAlibaba	1,431	来源默认配置
56	step-5StepFun	1,422.9	来源默认配置

评测局限与数据署名

等级分来自模型裁判两两比较，不是正确率；它的刻度按同一批模型在其他领域的水平对齐，不能自定尺度。

数据许可：Artificial Analysis 公开页面数据；展示须显著署名并链接来源，遵守其 Terms of Use

成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同，不能直接相加；AICue 按公开规则把它们折算成同一种分数。