AI王座，一夜两度易主，神秘模型Obsidian 3泄露 - 足球欧赔

AI领域再次经历剧烈震荡！

Artificial Analysis 更新了其 Intelligence Index，正式推出第五版，Claude Opus 5.5 成功登顶，将 OpenAI 的 GPT-6 Astra 从第一的位置上拉了下来。

然而，这份喜悦并未持续太久，Gemini 4 Carbon 随即发布，超越了 Claude Opus 5.5，重新夺回了领先地位。

与此同时，一个代号为「Obsidian 3」的神秘模型意外浮出水面，所有迹象都指向同一个实体：Anthropic 尚未发布的 Fable 5.5。

险胜 GPT-6！Opus 5.5 的冠军宝座未满一夜

AI 排行榜正在经历重新洗牌。

Artificial Analysis 发布了最新的 Intelligence Index v5 榜单，这被认为是业内最具挑战性、含金量最高的测试之一。

结果出人意料，但也在情理之中。

Anthropic 的 Claude Opus 5.5 以 58 分险胜，夺得第一。

OpenAI 的 GPT-6 Astra 以 57 分，位居第二。

具有戏剧性的是，谷歌随后发布了 Gemini 4 Carbon，其 AA 综合得分达到了 59。

仅一分之差，AI 王座在一夜之间两次易主。

然而，在编程智能体指数方面，Anthropic 仍以 62 分保持领先。

这次 Anthropic 登顶编程智能体指数榜含金量极高，因为测试规则变得更加严苛。

私有数据权重飙升至 60%。

过去的 AI 测试中，模型可以通过记忆公开的 GitHub 代码库来获得高分。

但这次情况不同了。官方将私有数据集的权重提高到了 60%。

没有公开资料，没有历史作业，模型必须当场思考并解决问题。

依赖「死记硬背」的时代已经终结。

免疫学教授 Derya Unutmaz 评论称，新版本更加合理，此前开源模型存在针对公开基准的过度优化（benchmaxxing），与 OpenAI、Anthropic 和 Gemini 前沿模型之间的能力差距被清晰地展现出来。

不过，这并不意味着差距本身扩大了，而是衡量方式发生了变化。

引入高难度科研工作流。

新增了代码与科研工作流等极具挑战性的任务。

这不再仅仅是编写简单代码，而是要求 AI 像真实的程序员和研究员一样，处理复杂的工程逻辑。

在这种高压测试下，Opus 5.5 经受住了考验，证明了 Anthropic 在复杂逻辑推理和真实场景应用上的强大实力。

数据曝光！隐藏模型 Obsidian 3 究竟是谁？

Opus 5.5 的登顶只是前奏。

真正的重磅消息隐藏在另一家机构的数据库中。

昨天，知名 AI 测试机构 Cognition 发布了其私有编程基准的最新版本：FrontierCode 2.0。

这是一个极为严苛的测试：包含 132 项来自真实开源代码库的任务。

评分标准简单直接：代码提交后，项目的维护者是否愿意合并（Merge）你的更改。

只要有一项阻断性检查未通过，直接计为 0 分，没有任何通融余地。为了防止数据污染，任务全程保密。

而且，Artificial Analysis 还要在 Stirrup 框架中对每项任务进行三次测试，以排除偶然性。

在这个榜单上，Claude Opus 5.5 (max) 以 46% 的成绩领先。

GPT-6 Astra (max)、GPT-6.1 Terra (max) 和 Claude Sonnet 5.5 (max) 紧随其后，全部停留在 42%。

但有人深入研究了官网的数据接口，在 data.json 的隐藏代码中发现了一个隐藏模型 Obsidian 3。

数据令人震惊：

Obsidian 3，在高推理模式下得分为 46.8%。

它硬生生地将当前第一的 Opus 5.5（45.5%）踩在了脚下。

这个隐藏冠军，究竟是谁？

社区的极客们迅速锁定了证据：测试框架。

Obsidian 3 运行在 claude-code 环境下，这是一个专属的测试框架，目前全球只有六个 Claude 家族的模型在使用。

真相呼之欲出：这很可能 就是 Anthropic 尚未正式发布的新一代杀手锏——Fable 5.5。

悬念：挤牙膏还是憋大招？Fable 5.5 的成本谜团

争议也随之而来。

一部分人感到失望，认为这种提升不够「性感」。

46.8% 对比 45.5%，仅仅提升了 1.3 个百分点。在最大（max）模式下，两者甚至持平，都是 45.5%。

更关键的是成本。

数据显示，在相同投入程度下，Obsidian 3 的成本约为 Opus 5.5 的 3.6 倍。在 high 模式下，单任务成本高达 8.62 美元；在某些极端的 max 模式下，单任务成本甚至飙升至约 47 美元。

跑一次任务，花费超过三百元人民币，这对于多数开发者来说是难以承受的数字。

这种定价颇具「AI 中的爱马仕」的奢华感，这倒也间接排除了主打性价比的 Gemini。

「如果这就是 Fable 5.5，那看起来不够惊艳。」有开发者在 X 上抱怨。

而且，让它思考得越多，表现反而越差，感觉像一个早期的检查点，不太可能是最终的发布版。

这更像是一个 checkpoint。

但也有人看到了不同的东西：

不要被编程得分所迷惑，Fable 5.5 的核心定位从来不是一个只会写代码的「码农」。

业内人士指出，Obsidian 3 虽然在编程成功率上只是小幅领先，但其在「中高推理区间」的表现极其稳定。

它真正的提升，体现在其他方面：

- 推理与直觉。 - 推断人类的真实意图。 - 提升任务的抱负水平。 - 创造性的「分布外」思维。 - 发明前所未有的新颖解决方案。

在复杂的真实科研流程中，解决一个「无人触及」的新问题，比修复 100 个已知的 Bug 要有价值得多。

此外，当前泄露的只是测试节点数据，极有可能并非 Fable 5.5 的最终发布版本。Anthropic 还在进行价格与性能的最终调优。

如果 Cognition 已经对其进行了基准测试并意外泄露，说明一切已经准备就绪。

可能明天，可能后天，AI 界的又一次大地震，已经进入倒计时。

尾声：风暴前夕

这是一个充满戏剧性的时间节点。

Opus 5.5 险胜 GPT-6 Astra，证明了 Anthropic 在编程领域的掌控力。

Gemini 4 Carbon 反超 Opus 5.5，证明谷歌宝刀未老，尚有一战之力。

而隐藏冠军 Obsidian 3 的曝光，预示着 Fable 5.5 已经上膛，随时准备扣动扳机。对于关注这一领域动态的投资者而言，理解这些模型的市场表现，就像分析 足球欧赔 一样，需要密切关注数据背后的趋势和潜在变化。

AI 模型没有不败的神话，只有永远的内卷。

今天，Gemini 4 是第一。明天，Claude Fable 5.5 可能就会掀翻桌子。之后，OpenAI 的反击必将降临。

准备好吧，AI 模型发布的时间间隔可能会越来越短。