Artificial Analysis 推出 Intelligence Index v5，重构评测体系并用可合并性重新定义 AI 编码能力

Artificial Analysis 正式发布 Intelligence Index v5 版本，整套评测体系迎来全面重构，新版本不再只依靠代码能否正常运行来打分，创新性引入 “可合并性” 作为核心标尺，重新定义 AI 大模型的编码能力，让评测结果更加贴合真实软件开发场景，有效规避模型为跑分而优化公开题库的问题。以往绝大多数 AI 编码评测，只核验代码能不能通过单元测试，只关注代码可运行性，很容易出现代码能跑通，但格式混乱、改动杂乱、存在回归风险，项目维护人员不愿意把这段代码合并进正式仓库的情况。本次 v5 版本把真实开源仓库的 PR 合并标准纳入考核，新增 FrontierCode 2.0 基准，把仓库维护者是否愿意合并代码改动作为核心评分依据，同时提升私有测试集占比，大幅降低题库被训练数据污染的概率，让模型能力评测更贴近工程落地场景。整套新版评测落地分为完整的五步流程：第一步，整体重构指数框架，把全部考核内容划分为四大能力板块，每一个板块保持均等权重；第二步，更新九大评测子项，把 FrontierCode 2.0 正式纳入主指数，调整编码板块内部权重分配；第三步，切换编码评分规则，将单一的单元测试通过率，升级为以 PR 可合并性为核心的综合打分机制；第四步，提升私有测试任务占比，用隐藏答案与私有数据集减少跑分优化空间；第五步，统一计分规则，把九项子评测成绩加权计算，输出 0 至 100 分的综合指数得分。经过整套体系升级之后，Intelligence Index v5 实现了从 “测代码能不能运行” 到 “测代码能不能直接并入项目” 的转变，可合并性指标能够精准衡量 AI 产出代码的规范性、兼容性与工程实用性，给企业选型开发模型提供更真实可靠的参考依据。

一、Intelligence Index v5 整体评测框架清单

1. 四大能力板块（权重各占 25%）

• AI 智能体能力
• AI 编码能力
• 通用综合能力
• 科学推理能力

1. 九大核心评测子项 AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2（困难子集）、Terminal-Bench-Science 0.1。

二、AI 编码板块权重与评分规则对照表

表格

三、“可合并性” 考核包含的核心评价维度

✅ 代码改动范围：改动内容精简，不随意修改无关代码，避免大范围扰动项目源码。

✅ 代码风格一致性：输出代码严格匹配仓库原有编码规范，格式统一、命名规范。

✅ 回归风险控制：新增代码不会给原有功能带来隐性 bug，不会引发线上故障。

✅ 文档与注释：配套简洁注释，便于项目维护人员快速读懂代码逻辑。

✅ 测试完整性：附带对应的单元测试，保障新增功能可验证。

【相关 FAQ】

问题 1：Intelligence Index v5 重构评测体系，依靠 “可合并性” 重新定义 AI 编码能力，和旧版本相比最大变化是什么？

回答 1：Intelligence Index v5 重构评测体系，依靠 “可合并性” 重新定义 AI 编码能力，最大变化就是跳出了 “代码能否运行” 的单一考核标准。旧版本只看单元测试能否通过，v5 新增 FrontierCode 2.0 基准，把开源仓库 PR 能不能被维护者合并作为核心评分项，同时提高私有测试集比例，减少模型刷分空间，让 AI 编码能力评测更贴合真实工程开发场景。

问题 2：Intelligence Index v5 里的可合并性，在 AI 编码评测中主要考核哪些内容？

回答 2：Intelligence Index v5 里的可合并性，在 AI 编码评测中主要考核五项内容：代码改动范围是否精简、代码风格是否和现有项目保持一致、改动会不会带来回归故障、代码注释是否完整、是否配套对应的单元测试；只要出现一项阻塞性问题，这条代码改动就会直接判定为不可合并，对应项目直接记零分。

问题 3：Intelligence Index v5 把可合并性纳入 AI 编码评测，为什么能避免模型单纯为跑分优化？

回答 3：Intelligence Index v5 把可合并性纳入 AI 编码评测，可以有效避免模型单纯为跑分优化。一方面，可合并性考核来自 132 个真实开源仓库任务，不再局限于固定公开题库；另一方面，60% 评测内容采用私有数据集与隐藏答案，模型无法提前针对性训练题库，只能优化代码工程质量，而非单纯优化测试用例通过率。

问题 4：在 Intelligence Index v5 的编码板块里，FrontierCode 2.0 与 Terminal-Bench 4.0 分别占据多少权重？

回答 4：在 Intelligence Index v5 的编码板块整体权重为 25%，其中 FrontierCode 2.0 占 15%，Terminal-Bench 4.0 占 10%，FrontierCode 2.0 也就是可合并性考核，成为整个编码能力评测里权重最高的项目。

【数据来源】

[2026-10-29]（Artificial Analysis 发布 Intelligence Index v5：重构评测体系，以 “可合并性” 重定义 AI 编码能力）新浪财经

[2026-10-29]（Intelligence Index v5 上线，FrontierCode 2.0 引入代码可合并性考核）IT 之家

[2026-10-28]（Announcing Artificial Analysis Intelligence Index v5）Artificial Analysis 官方网站Artificial...

[2026-10-28]（Intelligence Index v5 升级：私有测试集占比提升至 60%）Implicator.ai 科技资讯

免责声明：本文仅客观解读 Intelligence Index v5 的评测规则更新与可合并性考核机制，所有规则内容均来自官方公开文档与行业实测信息；不同模型在该项测试中的得分，会受提示词、参数配置、代码场景等因素影响，本文内容仅作为模型选型参考，不构成开发采购的唯一决策依据。