AI领域的格局在一夜之间经历了剧烈动荡。
Artificial Analysis 更新了其 Intelligence Index，推出第五版，Claude Opus 5.5 成功登顶，将 OpenAI 的 GPT-6 Astra 从第一的位置拉下马。
然而，这股喜悦并未持续太久。Gemini 4 Carbon 随后发布，超越了 Claude Opus 5.5，成为新的领跑者。
与此同时，一个代号为“Obsidian 3”的神秘模型意外泄露，所有迹象都指向同一个来源：Anthropic 尚未正式发布的 Fable 5.5。
Opus 5.5 的短暂冠军：以微弱优势击败 GPT-6
AI 排行榜发生了重大变化。
Artificial Analysis 发布了最新的 Intelligence Index v5 榜单，这是业内公认难度最高、最具权威性的测试之一。
结果出人意料，但也在情理之中。
Anthropic 的 Claude Opus 5.5 以 58 分险胜，夺得第一。
OpenAI 的 GPT-6 Astra 以 57 分，位列第二。
戏剧性的是，谷歌随后发布了 Gemini 4 Carbon，其 AA 综合得分为 59。
仅一分之差，AI 王座在一夜之间两次易手。
不过，在编程智能体指数方面，Anthropic 仍以 62 分保持领先。
这次 Anthropic 登顶编程智能体指数榜的含金量极高，因为测试规则发生了改变，变得极为严苛。
私有数据的权重被提升至 60%。
过去的 AI 测试中，模型可以通过刷榜获得高分——它们能熟练背诵公开的 GitHub 代码库。
但现在不行了。官方将私有数据集的权重拉高到了 60%。
没有公开资料，没有历史作业。模型必须当场思考并解决问题。
依靠“死记硬背”来混日子的时代已经终结。
免疫学教授 Derya Unutmaz 评论称，新版本更加合理。此前，开源模型存在针对公开基准的过度优化（benchmaxxing），而现在，与 OpenAI、Anthropic 及 Gemini 前沿模型之间的能力差距被清晰地拉开。
不过，这并不意味着差距本身扩大了，而是衡量方式发生了变化。
引入了高难度的科研工作流。
测试新增了代码与科研工作流等地狱级挑战。
这不再是编写贪吃蛇游戏那么简单，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 经受住了考验。它证明了 Anthropic 在复杂逻辑推理和真实场景落地方面的强大实力。
数据泄露！隐藏模型 Obsidian 3 的身份之谜
Opus 5.5 的登顶只是前奏。
真正重磅的消息隐藏在另一家机构的数据库中。
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。
这是一个极其严苛的测试：包含 132 项来自真实开源代码库的任务。
评分标准简单直接：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，直接得 0 分，没有任何同情分。为了防止数据污染，任务全程保密。
此外，Artificial Analysis 还在 Stirrup 框架中对每项任务运行三次，以排除偶然性。
在这个榜单上，Claude Opus 5.5 (max) 以 46% 的成绩领跑。
GPT-6 Astra (max)、GPT-6.1 Terra (max) 和 Claude Sonnet 5.5 (max) 紧随其后，全部停留在 42%。
但有人扒开了官网的数据接口，在 data.json 的隐藏代码中发现了一个隐藏模型 Obsidian 3。
数据令人震惊：
Obsidian 3，高推理模式得分为 46.8%。
它硬生生将当前第一的 Opus 5.5（45.5%）踩在了脚下。
这个隐藏的冠军到底是谁？
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：这很可能 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
争议也随之而来。
一部分人感到失望，认为这种提升不够“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%。
更关键的是成本。
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，花费三百多块人民币。这对大多数开发者来说是难以承受的。
这种定价给人一种“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。”有开发者在 X 上抱怨。
而且，让它思考得越多，表现反而越差，感觉像是一个早期的检查点，不太可能是最终的发布版。
这更像是一个 checkpoint。
但也有人看到了不同的东西：
不要被编程得分所迷惑，Fable 5.5 的核心定位从来不是一个只会写代码的“码农”。
业内人士指出，Obsidian 3 虽然在编程成功率上只是小幅领先，但其在“中高推理区间”的表现极其稳定。
它真正的跃升体现在其他方面：
- 推理与直觉。
- 推断人类的真实意图。
- 提升任务的抱负水平。
- 创造性的“分布外”思维。
- 发明前所未有的新颖解决方案。
在复杂的真实科研流程中，解决一个“无人碰过”的新问题，比修复 100 个已知的 Bug 要有价值得多。
此外，当前泄露的只是测试节点数据，极有可能并非 Fable 5.5 的最终发布版本。Anthropic 仍在进行价格与性能的最终调优。
如果 Cognition 已经对其进行了基准测试并意外泄露，说明一切已准备就绪。
可能明天，可能后天，AI 界的又一次大地震已进入倒计时。
尾声：风暴前夕
这是一个充满戏剧性的时间节点。
Opus 5.5 险胜 GPT-6 Astra，证明了 Anthropic 在编程领域的控制力。
Gemini 4 Carbon 反超 Opus 5.5，证明谷歌宝刀未老，尚能一战。
而隐藏冠军 Obsidian 3 的泄露，预示着 Fable 5.5 已经上膛，随时准备扣动扳机。
AI 模型没有不败的神话，只有永远的内卷。
今天，Gemini 4 是第一。明天，Claude Fable 5.5 可能就会掀翻桌子。之后，OpenAI 的反击必将降临。
准备好，AI 模型发布的时间间隔可能会越来越短。
本文来自微信公众号 “新智元”（ID：AI_era），作者：ASI启示录，36氪经授权发布。
