据DeepLearning.AI称，小米以质检加权抑制静默错误，模型得分46领跑。

据emollick称，AI评审与人类ELO不明使排名存疑。

据DeepLearning.AI报道，Artificial Analysis发布了4.0版智能指数，采用全新评测标准，聚焦经济价值、事实可靠性和推理能力，取代了已饱和的传统基准。该更新旨在更准确地反映大语言模型在真实商业环境中的表现，为企业评估AI在业务中的应用提供了更具参考价值的指标。