人工分析智能指数 v4.3.2 包含 10 项评估：AA-Briefcase v1.1，GDPval-AA v2.1，自动化基准-AA，终端基准 4.0，科学代码，人类最后考试，GDP.pdf，临界点，AA-全知，AA-LCR v1.1。该指数衡量开放权重与专有模型，并标注商业使用限制。AA-Briefcase v1.1 是一种结合通过率、分析质量 Elo 和展示质量 Elo 的代理性知识工作基准。AA-全知指数得分范围为 -100 到 100，衡量知识可靠性和幻觉，拒绝回答不受惩罚。每项智能任务的成本指数计算方式为：输入、缓存命中、缓存写入、推理和答案令牌价格的加权平均美元成本除以任务数量。模型智能通常可跨用例迁移，尽管特定评估可能对某些应用更相关。方法论包括每项评估的细分及其运行方式。