AI王座，一夜两度易主，神秘模型Obsidian 3泄露

AI行业格局在一夜之间经历了剧烈变动。

Artificial Analysis 更新了其 Intelligence Index 至 v5 版本，Claude Opus 5.5 成功登顶，取代了 OpenAI 的 GPT-6 Astra 成为榜首。

然而，这一领先地位并未持续太久。Gemini 4 Carbon 随后发布，其表现超越了 Claude Opus 5.5，再次夺回第一位置。

与此同时，一个代号为“Obsidian 3”的神秘模型意外曝光。所有线索均指向同一个来源：Anthropic 尚未正式发布的 Fable 5.5。

险胜 GPT-6！Opus 5.5 的冠军宝座未满一夜

AI 排行榜格局发生了重大变化。

Artificial Analysis 发布了最新的 Intelligence Index v5 榜单。这被认为是目前行业内最具难度和权威性的测试之一。

结果既出人意料，又在情理之中。

Anthropic 的 Claude Opus 5.5 以 58 分的成绩险胜，获得第一名。

OpenAI 的 GPT-6 Astra 以 57 分紧随其后，位列第二。

颇具戏剧性的是，谷歌随后发布了 Gemini 4 Carbon，其 AA 综合得分为 59。

仅一分之差，AI 领域的领先地位在一夜之间两次易主。

不过，在编程智能体指数方面，Anthropic 仍以 62 分保持领先。

此次 Anthropic 登顶编程智能体指数榜被认为含金量极高，原因在于测试规则发生了重大变化，变得极为严苛。

私有数据的权重被提升至 60%。

以往的 AI 测试中，模型可以通过记忆公开的 GitHub 代码库来获取高分。

但此次测试规则改变，官方将私有数据集的权重提高到了 60%。

没有公开资料可供参考，也没有历史作业可以依赖。模型必须即时思考并解决问题。

依靠“死记硬背”来获得高分的时代已经结束。

免疫学教授 Derya Unutmaz 评论称，新版本更为合理，此前开源模型存在针对公开基准的过度优化问题，而现在与 OpenAI、Anthropic 及 Gemini 前沿模型之间的能力差距被清晰地展现出来。

不过，这并不意味着两者之间的差距本身扩大了，而是衡量方式发生了变化。

测试中还引入了高难度的科研工作流。

新增了代码与科研工作流等极具挑战性的任务。

这不再是编写贪吃蛇游戏代码那样简单，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，证明了 Anthropic 在复杂逻辑推理和真实场景应用方面的强大实力。

数据泄密！隐藏模型 Obsidian 3 的真实身份

Opus 5.5 登顶只是开胃菜。

真正的重磅消息隐藏在另一家机构的数据中。

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，项目维护者是否愿意合并你的更改。

只要有一项阻断性检查未通过，直接计 0 分，没有任何通融余地。为防止数据污染，任务全程保密。

此外，Artificial Analysis 还在 Stirrup 框架中对每项任务进行了三次测试，以排除偶然性。

在该榜单上，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，成绩均锁定在 42%。

然而，有人通过查看官网的数据接口，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，在高推理模式下得分 46.8%。

它直接超越了当前排名第一的 Opus 5.5（45.5%）。

这个隐藏的冠军究竟是谁？

社区的极客们迅速找到了证据：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，目前全球只有六个 Claude 家族的模型在使用。

真相逐渐明朗：这很可能就是 Anthropic 尚未正式宣布的新一代强大模型——Fable 5.5。

悬念：挤牙膏还是憋大招？Fable 5.5 的成本谜团

然而，争议也随之而来。

一部分人感到失望，认为这种提升并不“性感”。

46.8% 对比 45.5%，仅提升了 1.3 个百分点。在最大模式下，两者甚至持平，均为 45.5%。

更关键的是成本问题。

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。

运行一次任务，需要花费三百多元人民币。这对大多数开发者来说，是难以承受的数字。

这种定价策略给人一种“AI 中的爱马仕”的奢华感。这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，你让它思考得越多，表现反而越差。感觉这像是一个早期的检查点，不太可能是最终的发布版本。

这更像是一个 checkpoint。

但也有人看到了不同的方面：

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”表现极其稳定。

它真正的提升体现在其他方面：

• 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“无人涉足”的新问题，比修复 100 个已知的 Bug 更有价值。

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，说明一切已经准备就绪。

可能明天，可能后天，AI 界的又一次重大变革已经进入倒计时。

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 在编程领域的掌控力。

Gemini 4 Carbon 反超 Opus 5.5，证明谷歌仍具备强大的竞争力。

而隐藏冠军 Obsidian 3 的曝光，预示着 Fable 5.5 已经蓄势待发，随时准备出击。

AI 模型没有不败的神话，只有永恒的内卷。

今天，Gemini 4 是第一。明天，Claude Fable 5.5 可能就会颠覆格局。之后，OpenAI 的反击必将到来。

做好准备吧，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。