榜单改卷：60% 的分改从隐藏题里出，开源与闭源的差距拉到 12 分

一、v5 到底改了什么

• v4 上线以来最大重构：60% 评测权重建立在私有测试集/隐藏答案上，防止刷榜；
• 知识、编码、科学、通用能力四类各按 25% 计权；
• 编码细分里，Cognition 同日发布的 FrontierCode 2.0 独占 15%、Terminal-Bench 4.0 占 10%；
• FrontierCode 2.0 的 132 项任务全部来自真实开源仓库，按维护者「是否愿合并该 PR」打分，阻塞检查失败直接零分。

二、这份快照下，谁在哪一档

三、同一份卷子，两批人各引了一半

注意一个真实的口径冲突：本稿引用的 IT 之家报道里，该版榜首是 58 分的闭源模型；而谷歌 10 月 28 日自己发博，称新模型 Gemini 4 Carbon「在刚更新的 v5.0 上以 59 分位列第一」。两个数都不假——是同一份指数在不同日期快照上的两个结果，先后差一天。

所以引用榜单的正确姿势是：写版本号、写快照日期、写具体题集。只写「榜单第一」这四个字，从 v5 时代起就已经不算信息了。

来源：IT之家对 Artificial Analysis v5 报告与 Cognition 发布的报道；「59 分登顶」为谷歌官方博客自称口径。 本文仅转述公开报道，不评判任何企业与产品，不构成投资建议。