Artificial Analysis改版API性能基准
先了解这件事
Artificial Analysis发布下一代API性能基准，覆盖约1000个每日多次测试的serverless端点，并将“每任务总耗时”取代流式速度作为核心指标。 新版加入编码、知识工作等agentic多轮会话，头条数据取近5天平均，并分别追踪厂商默认effort与最高effort；测试每6小时运行一轮，失败请求计0分，同时展示端点错误率。方法论指出，长上下文会同时增加首token延迟并降低输出速度。 新口径下，GLM-5.3因部分端点错误率较高而排名下滑；其流式输出最快端点等待首token需18至26秒，其他多数端点为1至3秒，部分端点错误率达92.8%。
AI 根据报道生成 · 2 小时前更新
事件进展
3 个进展
- 11月5日 01:34 · 1 篇报道公开 API 性能基准方法论AGI Hunt：Artificial Analysis 公开 API 性能基准方法论与默认 effort 说明
- 11月5日 01:34 · 1 篇报道评测GLM-5.3端点延迟与排名AGI Hunt：Artificial Analysis 更新 API 性能基准，GLM-5.3 排名下滑
- 11月5日 01:34 · 2 篇报道发布下一代 API 性能基准AGI Hunt：Artificial Analysis 改版 API 基准，将每任务耗时设为核心指标
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntArtificial Analysis 公开 API 性能基准方法论与默认 effort 说明
Artificial Analysis 公开了 API 性能基准的方法论及默认 effort 说明。测试覆盖单次请求和多轮 agentic 会话，每 6 小时运行一轮，长上下文与多轮负载轮换并各每日测一次；缓存命中率每月按过去四周中位数更新。材料还指出，长上下文会同时推高首 token 延迟并降低输出速度。
- AGI HuntArtificial Analysis 更新 API 性能基准，GLM-5.3 排名下滑
Artificial Analysis 更新 API 性能基准后，GLM-5.3 因部分端点错误率较高而出现排名下滑。测试显示，其流式输出最快的端点首 token 需 18–26 秒，而多数其他端点为 1–3 秒；新口径将错误、限流和超时请求计为速度 0 分，部分端点错误率达 92.8%。
- AGI HuntArtificial Analysis 改版 API 基准，将每任务耗时设为核心指标
Artificial Analysis 发布下一代 API 性能基准，以每任务总耗时取代流式速度作为核心指标，覆盖每天多次测试的约 1000 个 serverless 端点。
- AGI HuntArtificial Analysis 改版 API 基准，将每任务耗时设为核心指标
Artificial Analysis 发布下一代 API 性能基准，覆盖约 1000 个每日多次测速的 serverless 端点。新版以 Time per Task 为头条指标，加入 agentic 负载，并分别追踪默认 effort 与最高 effort。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。