AA-AnalystAgent 是 Artificial Analysis 推出的私有研究型智能体评测，包含 14 个领域的 80 道问题。每道任务运行 5 次，主榜采用 pass^5，即模型必须在 5 次尝试中全部答对才计为成功。评测通过 Stirrup Agent 脚手架提供代码执行、网页抓取、图像查看与答案提交工具，因此成绩属于模型、推理档位与联网工具环境组成的系统结果。
查看 AA-AnalystAgent 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Gemini 3.7 Flash 思考水平·高工具联网 | 60.00 | 2026-08-13 | 未知 | 闭源 | |
 Claude Fable 5.1 思考水平·Max工具联网 | 57.50 | 2026-09-01 | 未知 | 闭源 | |
Claude Opus 5 思考水平·Max工具联网 | 53.75 | 2026-07-24 | 未知 | 闭源 | |
4 |  GPT-6 Astra 思考水平·Max工具联网 | 51.25 | 2026-09-03 | 未知 | 闭源 |
5 | GPT-5.5 思考水平·极高工具联网 | 50.00 | 2026-04-23 | 未知 | 闭源 |
6 | Claude Fable 5 思考水平·Max工具联网 | 48.75 | 2026-06-09 | 未知 | 闭源 |
7 | GPT-5.6 Sol 思考水平·Max工具联网 | 47.50 | 2026-06-26 | 未知 | 闭源 |
8 | Claude Sonnet 5 思考水平·Max工具联网 | 46.25 | 2026-06-30 | 未知 | 闭源 |
9 | Gemini 3.5 Flash 思考水平·高工具联网 | 45.00 | 2026-06-20 | 未知 | 闭源 |
10 | Claude Opus 4.8 思考水平·Max工具联网 | 45.00 | 2026-05-28 | 未知 | 闭源 |
11 | Opus 4.7 思考水平·Max工具联网 | 43.75 | 2026-04-16 | 未知 | 闭源 |
12 | Gemini 3.1 Pro Preview 开启思考工具联网 | 41.25 | 2026-02-20 | 未知 | 闭源 |
13 |  Grok 4.6 思考水平·高工具联网 | 41.25 | 2026-08-12 | 未知 | 闭源 |
14 |  Kimi K3 思考水平·Max工具联网 | 38.75 | 2026-07-16 | 28000亿 | 有条件商用 |
15 | Grok 4.5 思考水平·高工具联网 | 35.00 | 2026-07-08 | 未知 | 闭源 |
16 |  DeepSeek-V4-Flash 思考水平·Max工具联网 | 25.00 | 2026-04-24 | 2840亿 | 免费商用 |
17 | Inkling 开启思考工具联网 | 23.75 | 2026-07-15 | 9750亿 | 免费商用 |
18 | Claude Sonnet 4.6 思考水平·Max工具联网 | 20.00 | 2026-02-17 | 未知 | 闭源 |
19 | DeepSeek-V4-Pro 思考水平·Max工具联网 | 18.75 | 2026-08-13 | 16000亿 | 免费商用 |
20 |  Qwen3.7 Max 开启思考工具联网 | 18.75 | 2026-05-20 | 未知 | 闭源 |
21 | Haiku 4.5 开启思考工具联网 | 15.00 | 2025-10-15 | 未知 | 闭源 |
22 | GPT-5.4 mini 思考水平·极高工具联网 | 15.00 | 2026-03-17 | 未知 | 闭源 |
23 |  Mistral Medium 3.5 常规模式工具联网 | 12.50 | 2026-05-01 | 未知 | 闭源 |
24 |  MiniMax-M2.7 开启思考工具联网 | 11.25 | 2026-03-18 | 2290亿 | 非商用 |
25 | MiniMax M3 开启思考工具联网 | 10.00 | 2026-06-01 | 4280亿 | 非商用 |
26 | Grok 4.3 Beta 思考水平·高工具联网 | 8.75 | 2026-04-17 | 5000亿 | 闭源 |
27 | Gemini 3.1 Flash-Lite 开启思考工具联网 | 8.75 | 2026-05-07 | 未知 | 闭源 |
28 | GPT-5.5 常规模式工具联网 | 7.50 | 2026-04-23 | 未知 | 闭源 |
29 |  Nemotron 3 Ultra 开启思考工具联网 | 6.25 | 2026-06-04 | 5500亿 | 免费商用 |
截至 2026 年 8 月 30 日回读的官方主榜，Gemini 3.7 Flash（high）以 60.0% 排名第一，Claude Opus 5（max）为 53.75%，GPT-5.5（xhigh）为 50.0%。
