AI評測大變革！Artificial Analysis推行業能力指數：Claude Fable 5橫掃，開源GLM-5.2逼近閉源前沿

据動察 Beating 監測，傳統的 AI 模型評估往往依賴通用學術資料集，導致測試高分與企業實際落地表現存在偏差。評估機構 Artificial Analysis 在已有智能體和編程兩大通用技能指數的基礎上，推出了六大行業指數以評估實際業務表現（涵蓋金融、法律、醫療、運營、工程與經濟領域）。

與通用的技能指數不同，行業指數根據 O*NET 工作活動分類法，模擬真實岗位的任務分布頻次進行定制化加權。它將大模型的底層能力測試（如 HLE 推理、LCR 長文本處理、GDPval 智能體工作等）與各行業的專業知識庫（AA-Omniscience）進行拼配。首期實測中，閉源模型 Claude Fable 5 在全部八個指數中夺冠，而開源的 GLM-5.2 在六個行業指數中拿下五個第一，在工程指數中取得 53 分，逼近 Claude Sonnet 5 的 55 分。

評估也揭示了巨大的效能鴻溝：在運營指數中，Claude Fable 5 的單次任務成本（3.48 美元）達開源 DeepSeek V4 Pro（0.03 美元）的百倍以上；而在法律指數中，Gemini 3.1 Pro 預覽版比 Claude Fable 5 快近 7 倍且得分僅差 11 分。

根據任務場景進行效能與性價比的加權權衡，正成為垂直領域 AI 選型的新標尺。