HaiAI123

全球AI工具精選導航

新行業動態
97
熱度指數
新上榜

Artificial Analysis 釋出 VIALS-AA 榜單並分析前沿模型表現

2026/11/07 — 11/07 01:19·1 個來源（全部）·4 篇報道（全部）

核心速覽 (Key Takeaways)

  • Artificial Analysis 上線 VIALS-AA，基於 Handshake AI 的 VIALS 基準，評測模型在生命科學與生物技術研究中的視覺推理能力。
  • 其資料顯示，GPT-6.1 Sol 與 Terra 以低單任務成本逼近前沿分數，Claude Opus 5.5 與 GPT-6 Astra 在 VIALS-AA 得分接近，工具呼叫次數卻相差約四倍。
  • Kimi K3.1 Pro 在 VIALS 三次嘗試的一致性上略勝 GPT-6。

事件背景與詳細解讀

2026 年 11 月 7 日，Artificial Analysis 在 X 上宣佈上線 VIALS-AA，這是針對 Handshake AI 的 VIALS 基準製作的榜單，用於評測模型在生命科學與生物技術研究中的視覺推理能力。該賬號稱，影像等視覺材料是科學家分析實驗、做出研究決策的核心依據，但模型能否正確解讀仍是難點。

同一日，Artificial Analysis 釋出多條 VIALS-AA 資料。在成本方面，GPT-6.1 Sol 得分為 59%、每任務成本約 0.056 美元，GPT-6.1 Terra 得分為 60%、約 0.073 美元；相比之下，GPT-6 Astra 以約 5 倍的單任務成本取得 63%，Gemini 4 Carbon 以約 23 倍成本取得 64%。在工具呼叫路徑上，Claude Opus 5.5（max with fallback）平均每任務約 32 次工具呼叫，GPT-6 Astra 約 8 次，兩者 VIALS-AA 得分卻接近，分別為 61% 和 63%，該賬號據此說明相近分數可能來自截然不同的視覺推理路徑。

在本次報道中，Artificial Analysis 還依據 VIALS 基準比較了 Kimi K3.1 Pro 與 GPT-6 的一致性：在三次嘗試中，Kimi K3.1 Pro 能至少答對一次的任務為 119/161，GPT-6 為 118/161。該賬號指出，答對一次不代表能穩定答對，一致性是前沿模型優勢的重要組成部分。

AI 綜合 4 篇報道生成 · 更新於 1 小時前

最新進展據 Artificial Analysis 在 X 上釋出的資料，在 VIALS 基準的三次嘗試中，Kimi K3.1 Pro 能至少答對一次的任務為 119/161，GPT-6 為 118/161。該賬號指出，答對一次不代表能穩定答對，一致性是前沿模型優勢的重要組成部分。

相關 AI 工具

Kimi K3GPT-6Kimi
updream
24 小時熱度熱度指數 97
剛上榜，走勢正在積累
24 小時前現在

這件事的報道 點標題看原文

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

    據 Artificial Analysis 在 X 上釋出的資料，在 VIALS 基準的三次嘗試中，Kimi K3.1 Pro 能至少答對一次的任務為 119/161，GPT-6 為 118/161。該賬號指出，答對一次不代表能穩定答對，一致性是前沿模型優勢的重要組成部分。

    看清一次答對和穩定答對之間的差距

    X：Artificial Analysis (@artificialanlys)官方AI 評分 44
  2. Opus 5.5 每任務工具呼叫約 32 次，為 GPT-6 Astra 四倍

    據 Artificial Analysis 在 X 上的分析，Claude Opus 5.5（max with fallback）在視覺推理任務中平均每任務約 32 次工具呼叫，GPT-6 Astra 約 8 次，兩者 VIALS-AA 得分卻接近，分別為 61% 和 63%。該賬號藉此說明，相近分數可能來自截然不同的視覺推理路徑。

    同樣分數背後，工具呼叫策略差別很大

    X：Artificial Analysis (@artificialanlys)官方AI 評分 43
    Claude
  3. GPT-6.1 Sol 與 Terra 以低單任務成本逼近前沿分數

    據 Artificial Analysis 資料，GPT-6.1 Sol 在 VIALS-AA 上得分 59%，每任務成本約 0.056 美元，GPT-6.1 Terra 得分 60%，約 0.073 美元。相比之下，GPT-6 Astra 以約 5 倍單任務成本取得 63%，Gemini 4 Carbon 約 23 倍成本取得 64%。

    選模型時把單任務成本算進來

    X：Artificial Analysis (@artificialanlys)官方AI 評分 45
  4. Artificial Analysis 推出 VIALS-AA 生命科學視覺推理榜單

    Artificial Analysis 宣佈上線 VIALS-AA，這是針對 Handshake AI 的 VIALS 基準的榜單，用於評測生命科學與生物技術研究中的視覺推理能力。該賬號稱，影像等視覺材料是科學家分析實驗、做出研究決策的核心依據，但模型能否正確解讀仍是難點。

    生命科學視覺推理有了統一橫評入口

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

同時在說的其他事

熱度怎麼算的？瞭解口徑

熱度按 48 小時內有多少個獨立來源在說這件事算：同一個來源發多條只算一次，並按 24 小時半衰期衰減，所以排前面的是很多人在說的事。

本頁彙總公開訂閱源，標題與摘要由模型整理，版權歸原作者所有；重要資訊請回原文核對。如權利人認為相關標題或摘要侵權，請通過頁尾聯絡郵箱提供具體頁面與權利依據，我們核實後會及時刪除或替換。

爆
討論快速增加
新
首報 6 小時內
發酵中
討論仍在增加

回 AI 行業動態榜 →