Grok「第一名拆开看」：10 月 30 日榜单上 Carbon 59.43 分登顶，但电脑操作和批量成本的赢家另有其人
总分只差 1 分，分项和账单差出好几倍
10 月 30 日那份榜单出来之后，很多人只记住了一句话：谷歌又拿了第一。Carbon 在 Artificial Analysis 新版 Intelligence Index v5.0 里拿到 59.43 分，Claude Opus 5.5 拿到 58.41 分。数字摆在那儿，差距 1 分出头。我把这份榜单拆开看了看，结论和标题党不太一样：第一名确实换了人，但三家模型各赢各的局，而且最贵的那个，并不总是最划算的那个。更现实的一点：排第一的 Carbon，你现在还用不上。
59.43 这个数字到底怎么来的
先交代一下这份榜单的来头，免得被一个数字带偏。Artificial Analysis 在 10 月 27 日推出了 Intelligence Index v5.0，改动不小：私人测试集和留出答案的比重上去了，纯公开题的分量压下来了。整个指数由 9 项评测拼起来，覆盖知识问答、写代码、科学任务和通用能力。Carbon 是 28 日加进去的，30 日的快照里，它以 59.43 分排在收录的 40 个模型画像最前面，Opus 5.5（Max 档）58.41 分排第二。
这里有个必须先说的细节：两边的档位并不一样。Carbon 跑的是 High 档，Opus 5.5 和 GPT-6 Astra 跑的是 Max 档。不同推理力度下差 1 分，基本等于打平。把这个数字理解成“谷歌领先一个身位”没问题，理解成“谷歌已经甩开对手”就过了。我自己的看法：这份榜单的价值不在第一名归谁，而在它把“在哪类活上谁更强”摊开了。
拆开看：三家各赢在哪几局
Carbon 拿了 9 项里的 4 项第一。终端科学任务 Terminal-Bench-Science 上它有 65% 左右，硬推理和知识问答 HLE-Diamond 上 69%，对 68% 的 Opus 5.5 只赢了一点。长上下文图遍历 GraphWalks 上差距拉得很大：96.2%，Opus 5.5 只有 66.8%。网络安全那三项也归它：SEC-bench Pro 找漏洞 88.2%，ExploitGym 利用 54.8%，CWE-bench 修补 71.0%。这也解释了谷歌为什么先把 Carbon 交给防守方：它的长处本来就长在工程和安全这两条线上。
但另外几局，赢家换了人。电脑操作 OSWorld-2.1 离线子集上，Opus 5.5 拿到 87.2%，Carbon 只有 81.5%，差了 5.7 个点。写代码的代理指数上，Opus 5.5 以 62 比 59 压过 Carbon，真实代码库任务 FrontierCode 上也是 46% 对 41%。工程规模代码 FrontierSWE 2 上，GPT-6 Astra 65.5% 排第一，Opus 5.5 62.3%，Carbon 61.2% 排第三。还有一家整理 AA 数据的博客提到，幻觉率一项 Carbon 只有 11%，另外两家在同一口径下接近 50%，这个数字我没有在官方表里逐项核对过，先当作参考，不当作定论。
| 评测 | Carbon | Opus 5.5 | GPT-6 Astra | 谁赢 |
|---|---|---|---|---|
| Intelligence Index v5.0 | 59.43 | 58.41 | 约 57 | Carbon，高档位不同，仅供参考 |
| OSWorld-2.1 离线子集 | 81.5% | 87.2% | 80.9% | Opus 5.5 |
| Coding Agent Index | 59 | 62 | 未列出 | Opus 5.5 |
| FrontierSWE 2 | 61.2% | 62.3% | 65.5% | GPT-6 Astra |
| Terminal-Bench 4.0（AA 口径） | 65.2% | 59.6% | 59.1% | Carbon |
| GraphWalks（256k 到 1M 上下文） | 96.2% | 66.8% | 71.8% | Carbon |
| SEC-bench Pro（找漏洞） | 88.2% | 未列出 | 未列出 | Carbon |
一张表看下来，选模型的思路就清楚了。你每天让模型替你操作系统、点来点去，Opus 5.5 那 87.2% 更值得掏钱。你做长周期工程、安全审计，Carbon 的长处正好对上。你跑大规模代码库重构，Astra 那 65.5% 反而最顺手。只看总分选模型，等于只看总分选员工，迟早要吃亏。
价格那一栏，差距比分数大得多
榜单里还有一栏，讨论的人不多，但我觉得它比第一名重要。这份 10 月 30 日快照算了每个模型的“指数任务成本”：跑完同一套指数任务要花多少钱。GPT-6.1 Sol（Max 档）比 Opus 5.5（Max 档）低大约 3.9 个指数点，任务成本却只要 1.27 美元，对面要 10.04 美元，差了将近 7.9 倍。Sol 的 Medium 档更便宜，46.15 分，0.36 美元一个任务。
换算成日常语言：你手头有一批量大、容错率还行的活，比如批量分类、初稿、格式整理，用 Sol 的 Medium 档，成本直接掉到零头。反过来，你手头是那种错一次就返工半天的活，比如生产代码、合同条款，省下来的钱抵不上一次返工，那就别在价格上抠。榜单把这两件事放在同一页，恰好说明了一件事：分数和账单要分开看，合起来看才有意义。
顺带提一句，同一份快照里还有个容易被忽略的细节：开放权重模型并没有掉队。DeepSeek V4.1 Flash 1017 和小米 MiMo V2.6 Pro 在网络安全那页上拿到 56 到 57 分左右，和一家闭源 Grok 模型 56.43 分处在同一档。这意味着预算卡得紧的团队，不一定非要追着闭源旗舰跑，先拿开放权重模型跑一轮自己的任务，往往能省下一大笔，再把省下来的钱花在真正需要旗舰的那几类活上。
| 模型与档位 | 指数分 | 每个指数任务成本 | 适合的活 |
|---|---|---|---|
| Claude Opus 5.5（Max） | 58.41 | 约 10.04 美元 | 电脑操作、真实代码库、错不起的活 |
| GPT-6.1 Sol（Max） | 约低 3.9 分 | 约 1.27 美元 | 量大、要求中等、追求性价比的批量任务 |
| GPT-6.1 Sol（Medium） | 46.15 | 约 0.36 美元 | 分类、初稿、整理类低风险任务 |
| Gemini 4 Carbon（High） | 59.43 | 暂未公开 | 长周期工程、安全审计，目前还拿不到 |
第一名你还用不上，先拿什么顶着
说回最现实的一句：Carbon 排第一，但你今天打不开它。谷歌 28 日发布时就没有给 API 模型 ID，也没有给普通开发者和消费者的上线时间表，目前只通过 Fairwind 计划交给部分网络安全防守机构。上一篇文章里我们写过这个安排，10 月 30 日的榜单没有改变它。所以“第一名”这个头衔，现阶段更像一个信号，告诉你谷歌下一代旗舰的水平线在哪，它还不等于一张可以立刻下单的菜单。
那今天能用什么？我按活的类型给一个很直接的建议。电脑操作和日常代理活，Opus 5.5 仍然是榜单里最稳的选择。批量任务和成本敏感的流水线，Sol 的 Medium 档值得先跑一轮你自己的真实任务做 A/B 对比，别只信榜单。长上下文工程活，可以等 Carbon 放开，也可以先用 Argon 顶着，它在同一指数里有 50 分，价格还处在首发优惠期。等 Carbon 真正开放那天，再拿你自己的任务重测一次，到时候这篇里的表格也该更新了。
榜单只能帮你缩小候选范围，真正做决定的办法还是自己跑一小批任务。我的做法一直很土，但管用：从你上周真实干过的活里挑 20 个，两个候选模型各跑一遍，记下成功率和账单。榜单上的 1 分差距，在你自己的 20 个任务里可能完全反过来，也可能拉大到 5 个任务的差距。花半小时跑这个对比，比盯着榜单吵一周要值钱得多。
同一天，另一条值得站长记下的消息
10 月 30 日还有一条新闻，和榜单无关，但和很多读者直接相关：OpenAI、谷歌、微软、Anthropic 四家同一天宣布，支持同一个 robots.txt 训练退出信号。站长只要在 robots.txt 里写两行，就能一次性告诉四家：别拿我站上的内容去训练模型。
User-Agent: __usage_ai-training
Disallow: /有几个限定条件要说清楚，免得写了就以为万事大吉。
这个信号只管训练，不管抓取和搜索收录，爬虫照样可以来访。它的法律地位也还很初步：只是一份个人提交的 IETF 草案，还没有正式标准地位，草案 2027 年 5 月 3 日到期，到期前需要更新。
各家落地时间也不一样：Anthropic 说已经开始做了，OpenAI 说未来几个月内，微软定在 2027 年 2 月 1 日，谷歌只说了 2027 年内。
已经收进数据集、已经训进权重的内容，写这行字并不会把它吐出来。所以正确的做法：现在就把这两行加上，同时把原来各家自己的规则（比如 Google-Extended）留着，前者管未来，后者管现在。
一句话总结：10 月 30 日的榜单没有决出唯一的赢家，它决出的是三张不同的王牌，分别属于电脑操作、工程安全和批量成本，而排第一的那张，你还得再等一阵子。
来源：
- Artificial Analysis Intelligence Index v5.0 10 月 30 日快照整理：https://www.linkedin.com/pulse/artificial-analysis-intelligence-index-v50-what-we-ng-cissp-ccsp-apuhc
- Carbon 与 Opus 5.5 分项对比：https://www.lindy.ai/blog/gemini-4-carbon-vs-claude-opus-5-5
- 10 月 30 日 AI 一周动态汇总：https://www.marketingprofs.com/opinions/2026/56256/ai-update-october-30-2026-ai-news-and-views-from-the-past-week
- 四家统一训练退出信号报道：https://emergent.sh/news/big-ai-labs-back-shared-robots-txt-token
- 退出信号落地时间与细节：https://www.skimwire.com/ai-training-opt-out-robots-txt-openai-google-microsoft-anthropic/
- Carbon 登顶与 Alphabet 财报同日报道：https://3g.china.com/act/redian/13004758/20261030/49827929.html