Artificial Analysis 發現每 4 個第三方 AI 端點中就有 1 個的表現低於其宣稱的模型

Artificial Analysis 發布了端點準確度指數 1.1 版，發現超過 100 個無伺服器端點中，約有四分之一的分數低於相同開放權重的參考部署。該指數會在 BFCL v4-500、HLE-250 和 AA-LCR-25 上重新執行每個端點，並報告 95% 信賴區間，現已收窄至正負 2.6 個百分點。在 GLM-5.3 Flash 的結果中，兩個輸出上限接近 32,000 個 token 的端點，其原始 HLE-250 準確率降至 22% 和 29%，而參考部署為 55%；另有兩個 Muse Spark Open 端點將字串工具參數編碼為數字，在 BFCL v4-500 上得分為 50% 和 51%，而參考部署為 59%。