AI王座，一夜两度易主！神秘模型Obsidian 3泄露

新智元报道 AI圈再次变天了！ Artificial Analysis刚更新了Intelligence Index，正式推出v5版，Claude Opus 5.5一举登顶，将OpenAI的GPT-6 Astra挤下神坛。 但没高兴多久，Gemini 4 Carbon发布，超越 Claude Opus 5.5夺魁！ 但代号「Obsidian 3」的神秘模型意外浮出水面，而所有的线索都指向同一个名字：Anthropic尚未发布的 Fable 5.5 。 险胜GPT-6！Opus 5.5的冠军不到一夜 AI榜单洗牌了。 Artificial Analysis发布了最新的 Intelligence Index v5 榜单。这是目前业内含金量最高、最难啃的测试之一。 结果出人意料，但又在情理之中。 Anthropic的 Claude Opus 5.5 以58分险胜，斩获第一。 OpenAI的 GPT-6 Astra 以57分，屈居第二。 戏剧性的是，谷歌随之发布了 Gemini 4 Carbon，得分 AA 综合得分为59。 一分之差，AI 王座一夜之间两度易主。 但在编程智能体指数上，Anthropic仍以62 分领跑。 为什么说这次Anthropic登顶编程智能体指数榜含金量极高？因为测试规则变了，变得极其苛刻。 私有数据权重飙升至60%。 过去的AI测试，大家都在刷榜。模型把公开的GitHub代码库背得滚瓜烂熟，分数自然高。 这次不行了。官方直接把私有数据集的权重拉到了60%。 没有公开资料，没有历史作业。模型必须当场思考，当场解题。 靠「死记硬背」混日子的时代，结束了。 免疫学教授Derya Unutmaz评论称，新版本更合理，此前开源模型存在针对公开基准的过度优（benchmaxxing），与OpenAI、Anthropic及Gemini前沿模型的能力差距被清晰拉开。 不过，这并不意味着两者差距扩大了，而是衡量方式变化了。 引入高难度科研工作流。 新增了代码与科研工作流等地狱级挑战。 这不再是写个贪吃蛇代码那么简单，而是要求AI像真实的程序员和研究员一样，处理复杂的工程逻辑。 在这样的高压测试下，Opus 5.5 扛住了。它证明了Anthropic在复杂逻辑推理和真实场景落地上的恐怖实力。 数据暴雷！隐藏模型 Obsidian 3 究竟是谁？ Opus 5.5 登顶，只是前菜。 真正的硬核大瓜，藏在另一家机构的数据库里。 昨天，知名AI测试机构 Cognition 发布了其私有编程基准的最新版本： FrontierCode 2.0 。 这是一个极其变态的测试：包含132项真实开源代码库中的任务。 评分标准简单粗暴：代码提交后，项目的维护者是否愿意合并（Merge）你的更改。 只要有一项阻断性检查未通过，直接计0分，没有任何同情分。为了防止数据污染，任务全程保密。 而且Artificial Analysis还要在 Stirrup 框架中每项任务跑三次，杜绝偶然性。 在这个榜单上，Claude Opus 5.5 (max) 以 46% 的成绩领跑全场。 GPT-6 Astra (max)、GPT-6.1 Terra (max) 和 Claude Sonnet 5.5 (max) 紧随其后，全部死磕在 42%。 但有人扒开了官网的数据接口。在 data.json 的隐藏代码里，发现了一个隐藏模型 Obsidian 3 。 数据令人倒吸一口凉气： Obsidian 3，高推理模式得分 46.8%。 它硬生生把当前第一的 Opus 5.5（45.5%）踩在了脚下。 这个隐藏冠军，到底是谁？ 社区的极客们迅速锁定了证据：测试框架。 Obsidian 3 运行在 claude-code 环境下。这是一个专属的测试框架，目前全世界只有六个 Claude 家族的模型在使用。 真相呼之欲出：这可能 就是 Anthropic 尚未官宣的新一代大杀器——Fable 5.5。 悬念：挤牙膏还是憋大招？Fable 5.5 的成本谜团 争议却随之而来。 一部分人感到失望，直言这提升不够「性感」。 46.8% 对比 45.5%，仅仅提升了 1.3 个百分点。在最大（max）模式下，两者甚至持平，都是 45.5%。 更要命的是成本。 数据显示，在相同投入程度下，Obsidian 3 的成本约为 Opus 5.5 的 3.6 倍。在 high 模式下，单任务成本高达 8.62 美元；在某些极端的 max 模式下，单任务成本甚至飙升至约 47 美元。 跑一次任务，花掉三百多块人民币。这对于多数开发者来说，是难以承受的数字。 这种定价颇有一种 「AI 中的爱马仕」的奢华感。这倒也间接排除了主打性价比的Gemini。 「如果这就是 Fable 5.5，那看起来不够惊艳