AA Intelligence Index v4.2 是什么：私有评测权重翻倍全解析

尺子先换了，排名才动。v4.2 把私有评测权重翻倍，并换上更难刷分的知识工作题。

2026 年 9 月 4 日，Artificial Analysis 改的不是名单，是尺子。Intelligence Index v4.2 把私有评测的权重翻了一倍。

可检索的事件是 Intelligence Index v4.2：未公开测试集升到综合分的 40%，饱和的公开科学题离场，两套更难刷的知识工作评测进场。OfficeChai 与 AI Weekly 在 9 月 5 日转述了同一份官方 changelog。

changelog 实际动了什么

两道新题在奖什么

AA-Briefcase

行业专家搭的多周项目，源文件以千计，量表看是否做成，成对比较看分析与呈现。官方写 Fable 5.1 与 Opus 5 领先，随后是 Astra 与 Muse Spark 1.3；Astra 相对 GPT-5.6 Sol 大约高 85 个 Elo。

GDP.pdf

单轮专业文档推理，证据散落在正文、表、图、脚注和排除项里。Astra 33.2%，Sol 28.2%，Fable 5.1 26.2%。总榜第一和文档切片第一不是同一个名字。

读新分的三条路

1. 01
   先看权重

   40% 落在未公开集上，含 Briefcase、Omniscience 和 CritPt 答案。官方写明是为了降低实验室刷公开题的空间，v5 还会再加。

2. 02
   不要跨版本比绝对分

   v4.1 的数字和 v4.2 的数字不是同一场考试。OfficeChai 也提醒：Astra 在旧尺上几乎没跳，新尺次日就公布了。

3. 03
   切片和总榜分开看

   Anthropic 与 OpenAI 领跑总榜；成本帕累托上还有 Meta 与 Z.AI。文档题上 OpenAI 更靠前。截一张总榜当采购结论会漏掉切片。

换选区之后再比两届选举，数字还在，含义已经不是同一个。

若小组要决定下周试用哪家接口，把 changelog 摊在同一页上，比转发一张排行截图清楚。需要开口时再开麦，用 oakmeet 开一间会过期的房即可，不必先为评测会装客户端。房间边界见 八人、大约一小时。