Índices
Artificial Analysis Intelligence Index v5.0.1
A composite benchmark aggregating nine challenging evaluations to provide a holistic measure of AI capabilities across knowledge work, coding, science, and general knowledge.
Artificial Analysis Progress Index v1
La capacidad de los modelos de lenguaje en una única escala que se mantiene constante a lo largo del tiempo, estimada con la teoría de respuesta al ítem para poder comparar modelos lanzados con años de diferencia.
Artificial Analysis Coding Agent Index
Un índice compuesto del rendimiento de los agentes de programación en tareas de ingeniería de software de principio a fin, comparado entre agentes, modelos y configuraciones de ejecución.
Artificial Analysis Search Index
Un índice compuesto de la calidad de las Search APIs en búsqueda agéntica, que combina cada proveedor con el mismo modelo de respuesta para medir la mejora que aporta.
Artificial Analysis Cyber Index
A composite index of model capability on cyber defense, combining three evaluations of finding and fixing vulnerabilities in real software repositories.
Artificial Analysis Decision Index
A composite index testing decision models across classification, tool calling, knowledge and reasoning.
Artificial Analysis Openness Index
A composite measure providing an industry standard to communicate model openness for users and developers.
Finance & Accounting Index
Mide el rendimiento en finanzas y contabilidad, incluidos los conocimientos empresariales, el trabajo de conocimiento agéntico, el razonamiento, el uso agéntico de herramientas, el análisis de contexto largo y la ausencia de alucinaciones.
Strategy & Ops Index
Mide el rendimiento en estrategia y operaciones, incluidos los conocimientos empresariales, el trabajo de conocimiento agéntico, el uso agéntico de herramientas en aplicaciones empresariales, el análisis de contexto largo y la ausencia de alucinaciones.
Legal Index
Mide el rendimiento en el ámbito jurídico, incluidos los conocimientos jurídicos, el trabajo de conocimiento agéntico, el razonamiento, el análisis de documentos de contexto largo, la ausencia de alucinaciones y el uso agéntico de herramientas.
Healthcare & Medical Index
Mide el rendimiento en medicina y salud, incluidos los conocimientos clínicos, el trabajo de conocimiento agéntico, el razonamiento de contexto largo sobre historiales de pacientes, la ausencia de alucinaciones, el razonamiento clínico y el uso agéntico de herramientas.
Engineering Index
Mide el rendimiento en ingeniería, incluidos los conocimientos de ingeniería, la ciencia, el razonamiento, la programación agéntica y el trabajo de conocimiento agéntico.
Economics Index
Mide el rendimiento en economía, incluidos los conocimientos económicos, el razonamiento cuantitativo, la ejecución agéntica y el análisis de contexto largo.