Artificial Analysis
Artificial Analysis 是一款面向 AI数据处理 和 AI 选型决策的独立评测平台，核心不是“再做一个榜单”，而是把模型智能、速度、成本、token 消耗、provider 表现、coding agent、speech、image、video 等多条维度统一成可筛选、可导出、可订阅的数据情报系统。
核心参数与统计
| 参数 | 官方可核验信息 |
|---|---|
| 产品定位 | The leading independent AI benchmarking company |
| 评测主轴 | Intelligence、Speed、Cost per Task、Provider Performance |
| 平台覆盖 | Language、Coding Agents、Image、Video、Speech、Music |
| 数据规模 | 500+ models、100+ inference providers、0B+ evaluation tokens（页面展示为持续增长指标） |
| 关键自研指标 | Artificial Analysis Intelligence Index、AA-Briefcase、AA-Omniscience、GDPval-AA v2 |
| 商业化 | Pro $417/month per seat；Enterprise custom |
| API 能力 | 提供 API and Databook Download |
| 公开承诺 | 独立性政策，providers cannot pay for results or methodology changes |
一句话简评：Artificial Analysis 的核心价值不是“谁排第一”，而是把 AI 选型里最难并表的成本、速度、质量和供应商差异都拉到同一套框架里。
宣传核验：官方把自己定位成 independent benchmarking company，这个卖点比一般榜单站更站得住脚，因为它不只列分数，还把 methodology、provider performance、pricing cache rules、time per task 和 benchmark breakdown 一起公开出来。
用户与市场认可
Artificial Analysis 不是面向普通消费者的工具，它瞄准的是需要做模型采购、推理选型、基准对比和管理层汇报的决策者。Pricing 页面公开列出了大量 publicly referenced by 标识，包括 Amazon、Google、IBM、Meta、Microsoft、Bloomberg、CNBC、Financial Times、BCG、McKinsey、Stanford HAI 等。这不能简单理解成全部是客户，但至少说明它的图表和结论已经在产业和媒体层面被广泛引用。
另一个强信号是平台更新节奏。FAQ 写明 leading models and providers 通常在发布后 24 小时内完成 benchmark，这让它更像实时情报系统，而不是半年更新一次的研究报告。
成本优势
| 套餐 | 官方公开价格 | 核心内容 |
|---|---|---|
| Free / 公共站点 | $0 | 可浏览公开榜单、方法论、部分图表和 changelog |
| Pro | $417/月/seat | Full access to data、reports、API、custom charts、email support |
| Enterprise | Custom | 更高 API rate limits、custom benchmarking、workshops、AI advisory、personalized support |
免费的真相：公共站点已经足够你看趋势，但真正有采购价值的还是 Pro 和 Enterprise，因为导出、建表、API、行业报告和支持都在付费层。
降本增效量化：对于做模型选型的团队，最耗时间的不是跑一个 benchmark，而是把“质量、速度、价格、provider 差异、缓存规则”汇总成可决策结论。Artificial Analysis 把这类调研从原本多天乃至多周的人工收集，压缩到同一平台内的小时级筛选与导出，这是基于平台形态做的流程推演，不是官方承诺。
隐性收益/成本：它能减少错误采购和错误模型路线带来的返工成本，但也会让团队更依赖第三方评测口径。如果你的真实 workload 和它的 benchmark 结构差异很大，照着榜单直接下结论仍然会踩坑。
主要功能
- Intelligence / Speed / Cost 三联视图：把模型智能、输出速度和每任务成本放在一个坐标系里，适合做 first-pass model selection。
- Provider Performance：同一个模型按 provider 维度看 output speed、price 和 cache pricing，适合推理供应商选型。
- Coding Agent Index：对 Claude Code、Codex、Cursor CLI、Gemini CLI 等 agent 进行 end-to-end software engineering benchmark。
- AA-Briefcase / GDPval-AA / AA-Omniscience：覆盖长周期知识工作、经济价值任务、幻觉与知识可靠性等更贴近实际业务的 benchmark。
- Image / Video / Speech leaderboards：把平台扩展到多模态，不只盯语言模型。
专家视点：Artificial Analysis 的隐藏联动在于“图表不是图表本身”。当成本、速度、cache pricing、provider P50 sustained performance 和 benchmark methodology 在一个系统里统一后，你才能少掉大量 Excel 拼表工作。
模型与版本演进
Artificial Analysis 的演进不是传统软件功能按钮式发版，而是“新指数 + 新 benchmark + 新 provider 数据层”的连续扩张。
| 里程碑 | 日期 | 关键变化 |
|---|---|---|
| 2026-07 platform snapshot | 2026-07-01 | 持续更新模型与 provider benchmark，保持语言与多模态榜单最新 |
| Intelligence Index v4.1 | 2026-06-15 | 指数更偏 agentic workloads，并强化 per-task metrics |
| AA-Briefcase | 2026-06-18 | 新增长周期知识工作 benchmark |
| Coding Agent Benchmarks | 2026-05-11 | 上线 coding agent 综合评测 |
| ITBench-AA | 2026-05-27 | 引入 SRE / Kubernetes incident root-cause 场景 benchmark |
这说明它已经从“做语言模型排行榜”扩展成“做 AI 产业情报基础设施”。新增 benchmark 的方向也很清楚，越来越靠近真实工作流，而不是只拼通用考试分数。
技术优势
主类型判断：Artificial Analysis 的主交付形态是生产力/业务端应用，核心输出是 benchmark intelligence 和 decision support，而不是底层模型或数据库本身。
评测维度完整：很多榜单只能告诉你谁强，但不能告诉你为什么贵、为什么快、provider 为什么差这么多。Artificial Analysis 把这些变量显式拆开了。
方法论透明度较高：站内直接开放 methodology、cache pricing breakdown、P50 sustained performance 口径、各 benchmark 组成，这让结果更可审视，而不是只看结论。
与采购决策贴得更近：Pro 不只是看图，而是 Data Playground、Table Builder、Data Export、API 和行业报告，这些都是给决策和汇报用的，不是给围观者用的。
人机协作边界：平台可以自动完成大量 benchmark 聚合、价格比较和图表生成，但真正的供应商签约、 workload 复现、合规审查和最终采购拍板，仍然必须由内部团队按自己的场景复核。榜单替不了 PoC。
如何使用
| 入口 | 适合对象 | 说明 |
|---|---|---|
| 公共网页 | 开发者、研究者、投资人、产品经理 | 浏览 Intelligence、Speed、Cost、Provider、Agent、Multimodal 数据 |
| Pro | 需要导出和 API 的决策团队 | 用于本地分析、内部汇报和系统接入 |
| Enterprise | 大组织、研究部门、基础设施团队 | 用于自定义 benchmark、workshops、AI advisory |
| API | 内部工具、情报面板、数据平台 | 获取可编程数据源 |
典型使用顺序是先在公共页缩小模型范围，再看 provider performance 和 cost per task，最后用 Pro 导出数据或 API 接到内部 dashboard。对采购或 platform 团队来说，这比手工搜 docs 和 pricing page 高效得多。
产品定价
| 套餐 | 价格 | 适配场景 |
|---|---|---|
| Public access | $0 | 看榜单、看方法论、跟踪 changelog |
| Pro | $417/月/seat | 需要 full access、API、导出和报告的单席位用户 |
| Enterprise | Custom | 大团队、再分发、自定义 benchmark、咨询服务 |
另一个关键点是官方明确写了 no free trial。这意味着它不是靠低门槛试用走量，而是把自己卖成专业情报产品。
应用场景
- 模型与 provider 选型：比较同一模型在不同 provider 上的价格、速度和 sustained performance，适合推理栈采购。
- 管理层与投资研究：把 AI 市场趋势、领先模型、成本下降速度和供应商竞争格局做成决策简报。
- Agent 与多模态路线判断：用 Coding Agent Index、AA-Briefcase、Speech / Image / Video 榜单看真实工作流能力，而不是只看纯文本考试分。
降维打击场景：最适合要在短时间内回答“该上哪个模型、走哪个 provider、成本风险在哪”的团队，而不是单纯围观排行榜的普通用户。
适用人群
- 适合 AI 平台团队与架构负责人：尤其是需要把模型选择讲清楚的人。
- 适合研究、投资、咨询和产业分析岗位：因为它提供的不是单次观点，而是可持续更新的数据基线。
- 适合预算不小但决策失误代价更高的组织：高单价订阅对这类用户反而合理。
不适配边界：如果你只是个人开发者，偶尔挑个模型试试，公共页通常已经够用。Pro 价位对轻量用户明显过高。
总结与展望
Artificial Analysis 的稀缺性不在“它也有排行榜”，而在于它把榜单、价格、provider、agent benchmark 和方法论做成了统一的决策系统。对真正做 AI 选型的人来说，这比再看一篇“十大模型推荐”有价值得多。
它的采购/采用风险主要在三点。第一，价格高，轻量用户不划算。第二，任何第三方 benchmark 都有 workload 偏差，不能直接替代自己的 PoC。第三，越是依赖外部情报平台，越要注意内部业务约束是否被充分映射。把它当决策加速器，而不是决策替代品，才是正确打开方式。
版本信息
- Artificial Analysis platform snapshot 2026-07 ：当前公开平台已覆盖 Intelligence、Speed、Cost per Task、API Provider Performance、Coding Agent、Image/Video/Speech leaderboards，并在 2026-07-01 持续更新最新模型与 provider benchmark 结果。
- AA-Briefcase launch ：上线面向长周期知识工作的 AA-Briefcase，用 rubric、analytical quality 和 presentation quality 评估 agentic knowledge work。
- Artificial Analysis Intelligence Index v4.1 ：Intelligence Index v4.1 把评测重心进一步转向 agentic workloads，并更新 GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1 与 per-task metrics。
- ITBench-AA launch ：上线面向 SRE 场景的 ITBench-AA，用 Kubernetes incident response 任务测试 agentic enterprise IT 能力。
用户评价