AI评测大变革！Artificial Analysis推行业能力指数：Claude Fable 5横扫，开源GLM-5.2逼近闭源前沿

据动察 Beating 监测，传统的 AI 模型评测往往依赖通用学术数据集，导致测试高分与企业实际落地表现存在偏差。评测机构 Artificial Analysis 在已有智能体和编程两大通用技能指数的基础上，推出了六大行业指数以评估实际业务表现（涵盖金融、法律、医疗、运营、工程与经济领域）。

与通用的技能指数不同，行业指数根据 O*NET 工作活动分类法，模拟真实岗位的任务分布频次进行定制化加权。它将大模型的底层能力测试（如 HLE 推理、LCR 长文本处理、GDPval 智能体工作等）与各行业的专业知识库（AA-Omniscience）进行拼配。首期实测中，闭源模型 Claude Fable 5 在全部八个指数中夺冠，而开源的 GLM-5.2 在六个行业指数中拿下五个第一，在工程指数中取得 53 分，逼近 Claude Sonnet 5 的 55 分。

评测也揭示了巨大的效能鸿沟：在运营指数中，Claude Fable 5 的单次任务成本（3.48 美元）达开源 DeepSeek V4 Pro（0.03 美元）的百倍以上；而在法律指数中，Gemini 3.1 Pro 预览版比 Claude Fable 5 快近 7 倍且得分仅差 11 分。

根据任务场景进行效能与性价比的加权权衡，正成为垂直领域 AI 选型的新标尺。