Artificial Analysis пересчитала индекс интеллекта: у всех моделей баллы упали

Индекс интеллекта — не измерение само по себе, а сводка из нескольких замеров. Когда набор задач обновляют, старые и новые числа перестают сравниваться напрямую: падение балла означает, что задачи стали строже, а не что модель поглупела за ночь.

У верхушки сдвиг такой: Claude Fable 5.1 остаётся первой, но с 65,7 опускается до 56,8. GPT-6 Astra идёт с 61,2 до 54,7 — и в новой редакции обходит Claude Opus 5 (54,1), которая в прежней версии была выше неё. Разрыв между первым и вторым местом сжался с 4,5 балла до 2,1.

Ниже по таблице просадка ещё заметнее. Grok 4.6 уходит с 60,9 на 50,6, Gemini 3.8 Flash — с 58,7 на 47,1, DeepSeek V4 Pro 0813 — с 53,2 на 42,1. Чем сильнее модель опиралась на задачи, которые в новой версии убрали или ужесточили, тем больше потеря.

Практический вывод для читателя простой: сравнивать баллы имеет смысл только внутри одной версии индекса. Скриншот таблицы недельной давности и сегодняшняя страница — это две разные шкалы, а не изменение самих моделей.

Для нас это не отвлечённая история: наш рейтинг строится на данных Artificial Analysis, и смена редакции индекса означает пересчёт всей таблицы разом. Мы обновили выгрузку — 643 модели, изменения затронули 545 позиций, включая карточки моделей, подборки и сравнения пар.

Что при этом не поменялось: цены за миллион токенов, скорость выдачи и задержка до первого токена. Они приходят из других источников и от редакции индекса не зависят, поэтому строки «сколько стоит» в карточках остались прежними.