10月29日，ArtificialAnalysis发布IntelligenceIndexv5，这是该机构自2026年1月v4上线以来幅度最大的一次基准重构。v5最直接的变化是60%的评测权重首次建立在私有测试集或隐藏答案之上，用于压缩公开题库被模型训练数据污染的空间，减少各厂商为跑分而跑分的注水测试项目。该指数仍由九项评测构成，知识工作、编码、科学、通用能力各占25%。其中编码25%的权重里，Cognition同日发布的FrontierCode2.0独占15%，Terminal-Bench4.0占10%。

FrontierCode2.0完全换了一套评分逻辑。132项任务全部来自真实开源仓库，模型提交的代码改动不再只由单元测试是否通过来判定，而是由仓库维护者按是否愿意合并这个PR来打分，任何一项阻塞性检查失败即记零分。在这一口径下，DeepSeekV4.1-Flash1017（max）在FrontierCode2.0上录得28%，是所有已发布权重模型中得分最高的一个。KimiK3.1Pro以25.5%紧随其后，但其完整权重要到11月4日前才发布，AA在v5报告中将其标注为weightsnotyetreleased。谷歌Gemini4Argon（high）为25.7%，GPT-6Luna为25.2%，均低于DeepSeekV4.1Flash。在IntelligenceIndexv5综合得分上，DeepSeekV4.1Flash与GLM-5.3同为32分，仍落后榜首ClaudeOpus5.5（58分）26分，且低于ClaudeHaiku5.5的36分。

ArtificialAnalysis指出，v5真正加剧的是开源与闭源前沿之间的整体距离。v4.3时最强开源模型与榜首差距是3分，v5把大部分公开题换成私有题并加重智能体实战任务比重后，这一差距扩大到12分。KimiK3.1Pro以46分成为名义上最强的开源权重模型，但尚未发布权重；已发布权重的模型中32分是当前天花板。差距在HLE-Diamond和Terminal-Bench-Science两项上最为刺眼，KimiK3.1Pro分别为37%和34%，而ClaudeOpus5.5在HLE-Diamond上为68%，GPT-6Astra在Terminal-Bench-Science上为63%。另一个被放大的变量是努力值的成本优势，ClaudeOpus5.5从低努力档到max档跨越23分，单任务成本从0.98美元升至10.04美元，相差约10倍。在得分最高的十款模型中，GPT-6.1Terra每任务成本最低为0.96美元，ClaudeFable5.1最高为13.04美元，相差超过13倍。与v5同步推出的ProgressIndexv1则将2022年11月以来发布的主要语言模型映射到一个连续的能力尺度上，用于观察能力随时间如何演进。