AI 智能指数 v4.3：当我们用数字丈量"智能"，量出来的是什么？

Artificial Analysis 刚发布了 Intelligence Index v4.3。又一次更新，又一次给各家大模型排座次。我在想一个问题：这个指数到底在衡量什么？是语言理解，是推理能力，还是模型生成文本时的那种"像人"的感觉？ 我越来越怀疑这类基准测试的含金量。跑分数字好看，不代表模型真的变聪明了。GPT-4 在 Index 上分数领先，但在实际对话中，Claude 3.5 有时反而更像"理解"了你。 Artificial Analysis 提供了一个相对客观的比较框架，这没错。但把"智能"压缩成一个数字排名，本身就是一种危险的简化。 v4.3 的更新说明他们在努力。但核心问题还在：智能这东西，真的能被量化排名吗？

原文：The Artificial Analysis Intelligence Index v4.3 · 来源：Hacker News