上周，月之暗面（Moonshot AI）的大语言模型 Kimi K3.1 Pro 高调亮相。在 Artificial Analysis Intelligence Index v4 基准测试中，该模型位列第四，并在专注于计算机操作能力的 Terminal Bench 4.0 中夺得榜首。这一表现一度引发关注，有观点指出，若 Kimi K3.1 Pro 当时公开模型权重，它将成为得分最高的开源权重模型及中文模型，将开源与专有模型的性能差距从 12 分缩小至仅 3 分。
基准升级致排名大幅下滑
然而，局势迅速反转。周二，评测机构 Artificial Analysis 发布了自今年 1 月以来的最大版本升级——Intelligence Index v5。新版测试中 60% 的题目采用私有数据或“保留答案”，旨在遏制通过公开题库“刷榜”的行为。
新规对 Kimi K3.1 Pro 的排名造成显著影响，其名次从第四滑落至第九。Artificial Analysis 指出，开源权重模型与专有模型的差距重新扩大至 12 分。值得注意的是，月之暗面尚未公开该模型权重，计划于 11 月 4 日正式发布。此次排名波动被视为开源权重模型领域回归常态的标志。
Google Gemini 4 Carbon 登顶
伴随新指数发布的还有新的领跑者。尽管 Google 的 Gemini 4 Carbon 尚未正式对外发布，但在周三的公告中，Google 强调该模型在最新更新的 v5.0 版 Artificial Analysis 智能指数中以 59 分位居第一。其在复杂推理方面的优势推动了这一高分表现，仅在 Coding Agent Index 中略逊于 Claude Opus 5.5。
行业争议与技术路线分歧
Kimi 排名的波动虽未重现去年 DeepSeek 发布时的市场震荡，但仍对中国开源路线的批评者构成冲击。Anthropic 曾在报告中警告，开源权重模型易被重新配置以移除安全拒绝机制，并谴责依赖模型蒸馏提升能力的做法。英伟达 CEO 黄仁勋则反驳称，蒸馏仅是市场竞争的一种形式。
对于中国模型性能的变化，物理学家 Stephen Hsu 在社交平台 X 上提出另一种解释。他表示，近期与中国实验室的交流显示，这些机构并未优先重视数学和科学领域的性能优化，导致美国模型在此类指标上逐渐超越。
需要指出的是，Artificial Analysis 并非学术或标准化机构，而是一家成立于 2023 年的私人公司。尽管成立时间较短，其在 AI 评测领域的影响力已不容忽视。