HaiAI123

全球AI工具精选导航

新行业动态
97
热度指数
新上榜

Artificial Analysis 发布 VIALS-AA 榜单并分析前沿模型表现

2026/11/07 — 11/07 01:19·1 个来源（全部）·4 篇报道（全部）

核心速览 (Key Takeaways)

  • Artificial Analysis 上线 VIALS-AA，基于 Handshake AI 的 VIALS 基准，评测模型在生命科学与生物技术研究中的视觉推理能力。
  • 其数据显示，GPT-6.1 Sol 与 Terra 以低单任务成本逼近前沿分数，Claude Opus 5.5 与 GPT-6 Astra 在 VIALS-AA 得分接近，工具调用次数却相差约四倍。
  • Kimi K3.1 Pro 在 VIALS 三次尝试的一致性上略胜 GPT-6。

事件背景与详细解读

2026 年 11 月 7 日，Artificial Analysis 在 X 上宣布上线 VIALS-AA，这是针对 Handshake AI 的 VIALS 基准制作的榜单，用于评测模型在生命科学与生物技术研究中的视觉推理能力。该账号称，图像等视觉材料是科学家分析实验、做出研究决策的核心依据，但模型能否正确解读仍是难点。

同一日，Artificial Analysis 发布多条 VIALS-AA 数据。在成本方面，GPT-6.1 Sol 得分为 59%、每任务成本约 0.056 美元，GPT-6.1 Terra 得分为 60%、约 0.073 美元；相比之下，GPT-6 Astra 以约 5 倍的单任务成本取得 63%，Gemini 4 Carbon 以约 23 倍成本取得 64%。在工具调用路径上，Claude Opus 5.5（max with fallback）平均每任务约 32 次工具调用，GPT-6 Astra 约 8 次，两者 VIALS-AA 得分却接近，分别为 61% 和 63%，该账号据此说明相近分数可能来自截然不同的视觉推理路径。

在本次报道中，Artificial Analysis 还依据 VIALS 基准比较了 Kimi K3.1 Pro 与 GPT-6 的一致性：在三次尝试中，Kimi K3.1 Pro 能至少答对一次的任务为 119/161，GPT-6 为 118/161。该账号指出，答对一次不代表能稳定答对，一致性是前沿模型优势的重要组成部分。

AI 综合 4 篇报道生成 · 更新于 1 小时前

最新进展据 Artificial Analysis 在 X 上发布的数据，在 VIALS 基准的三次尝试中，Kimi K3.1 Pro 能至少答对一次的任务为 119/161，GPT-6 为 118/161。该账号指出，答对一次不代表能稳定答对，一致性是前沿模型优势的重要组成部分。

相关 AI 工具

Kimi K3GPT-6Kimi
updream
24 小时热度热度指数 97
刚上榜，走势正在积累
24 小时前现在

这件事的报道 点标题看原文

今天
  1. Artificial Analysis：Kimi K3.1 Pro 一致性略胜 GPT-6

    据 Artificial Analysis 在 X 上发布的数据，在 VIALS 基准的三次尝试中，Kimi K3.1 Pro 能至少答对一次的任务为 119/161，GPT-6 为 118/161。该账号指出，答对一次不代表能稳定答对，一致性是前沿模型优势的重要组成部分。

    看清一次答对和稳定答对之间的差距

    X：Artificial Analysis (@artificialanlys)官方AI 评分 44
  2. Opus 5.5 每任务工具调用约 32 次，为 GPT-6 Astra 四倍

    据 Artificial Analysis 在 X 上的分析，Claude Opus 5.5（max with fallback）在视觉推理任务中平均每任务约 32 次工具调用，GPT-6 Astra 约 8 次，两者 VIALS-AA 得分却接近，分别为 61% 和 63%。该账号借此说明，相近分数可能来自截然不同的视觉推理路径。

    同样分数背后，工具调用策略差别很大

    X：Artificial Analysis (@artificialanlys)官方AI 评分 43
    Claude
  3. GPT-6.1 Sol 与 Terra 以低单任务成本逼近前沿分数

    据 Artificial Analysis 数据，GPT-6.1 Sol 在 VIALS-AA 上得分 59%，每任务成本约 0.056 美元，GPT-6.1 Terra 得分 60%，约 0.073 美元。相比之下，GPT-6 Astra 以约 5 倍单任务成本取得 63%，Gemini 4 Carbon 约 23 倍成本取得 64%。

    选模型时把单任务成本算进来

    X：Artificial Analysis (@artificialanlys)官方AI 评分 45
  4. Artificial Analysis 推出 VIALS-AA 生命科学视觉推理榜单

    Artificial Analysis 宣布上线 VIALS-AA，这是针对 Handshake AI 的 VIALS 基准的榜单，用于评测生命科学与生物技术研究中的视觉推理能力。该账号称，图像等视觉材料是科学家分析实验、做出研究决策的核心依据，但模型能否正确解读仍是难点。

    生命科学视觉推理有了统一横评入口

    X：Artificial Analysis (@artificialanlys)官方AI 评分 46

同时在说的其他事

热度怎么算的？了解口径

热度按 48 小时内有多少个独立来源在说这件事算：同一个来源发多条只算一次，并按 24 小时半衰期衰减，所以排前面的是很多人在说的事。

本页汇总公开订阅源，标题与摘要由模型整理，版权归原作者所有；重要信息请回原文核对。如权利人认为相关标题或摘要侵权，请通过页尾联系邮箱提供具体页面与权利依据，我们核实后会及时删除或替换。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加

回 AI 行业动态榜 →