Intelligence Index v5 基准上线 DeepSeek V4.1 Flash 获 FrontierCode 2.0 已发布开源模型最高分

Intelligence Index v5 完成自 2026 年 1 月 v4 上线以来最大幅度基准重构，首次将 60% 评测权重建立在私有测试集或隐藏答案上，压缩公开题库被训练数据污染的空间，减少跑分注水项目。该指数仍由九项评测构成，其中编码部分 25% 权重里，新纳入的 FrontierCode 2.0 占 15%，Terminal-Bench 4.0 占 10%。FrontierCode 2.0 全部任务来自真实开源仓库，以仓库维护者是否愿意合并提交的 PR 为核心评分逻辑，将编码能力评价的核心从「可运行性」转向「可合并性」。已发布权重模型中，DeepSeek V4.1-Flash 1017（max）以 28% 的成绩位列 FrontierCode 2.0 单项第一，但其 Intelligence Index v5 综合得分为 32 分，与 GLM-5.3 持平，落后榜首 Claude Opus 5.5 的 58 分。v5 大幅拉大了开源与闭源前沿模型的整体能力差距，最强开源模型与榜首的差距从 v4.3 的 3 分扩大到 12 分，已发布权重模型的综合得分天花板为 32 分。v5 还放大了不同思考等级档位的表现差距，同一模型在省钱模式和全力模式下的表现差异极大，头部模型单任务成本最高相差超 13 倍。同步推出的 Progress Index v1 参考相关方法，将 2022 年 11 月以来的主要大语言模型映射到连续能力尺度，用于跨时间维度观察模型能力演进。本次 v5 评测中没有任何模型包揽全部项目第一，各单项优势分散程度高于总分排名的关注度。