Nella classifica di Artificial Analysis consultata il 28 ottobre 2026, il miglior modello con pesi scaricabili ottiene 32 punti, contro i 58 di Claude Opus 5.5 di Anthropic. Con la versione 5 dell’indice, che aggrega diverse prove, i modelli a pesi aperti perdono tutti tra i 12 e i 16 punti, sebbene i modelli stessi non siano cambiati.
Nella versione precedente, ancora online pochi giorni prima, MiMo-V2.6-Pro di Xiaomi, DeepSeek V4.1 Flash e GLM-5.3 superavano tutti i 44 punti. La nuova versione sostituisce infatti valutazioni pubbliche con set di domande che i laboratori non possono consultare.
Il 60% dell’indice si basa ora su test privati
Secondo l’articolo di presentazione della versione 5, il 60% dell’indice si basa su valutazioni i cui set di test sono privati o le cui risposte sono tenute segrete. L’indice si divide in quattro categorie che pesano ciascuna il 25%: lavoro intellettuale, codice, scienze e conoscenze generali.
Artificial Analysis cita in particolare FrontierCode 2.0, una suite di benchmark di programmazione lanciata da Cognition, i cui compiti «rimangono privati per evitare la contaminazione». La contaminazione si riferisce alla presenza delle domande di test nei dati di addestramento dei modelli. L’indice include anche 40 domande difficili di CritPt v2, in fisica, mentre AA-Omniscience v1.1 è stato epurato dalle sue domande pubbliche. L’articolo non dettaglia la composizione esatta del 60%.
Tre prove escono dall’indice: GDPval-AA, SciCode e AA-LCR. Due entrano: FrontierCode 2.0 e Terminal-Bench-Science, dedicata a compiti scientifici svolti in un terminale. Sul suo account X, Artificial Analysis aveva già portato la parte privata al 40% con la versione 4.2, il 4 settembre, e aveva annunciato un aumento nella versione 5.
I modelli aperti perdono tra i 12 e i 16 punti
Gli undici modelli elencati nella pagina dei modelli aperti, ancora visualizzata in versione 4.3.2 il 28 ottobre, perdono tutti tra i 12 e i 16 punti nella versione 5. Mistral Large 4, i cui pesi non sono ancora pubblicati, ne perde 13. MiMo-V2.6-Pro passa così da 46 a 30, DeepSeek V4.1 Flash 1017 (max) da 45 a 32, e Muse Spark Open (Meta, xhigh) da 39 a 25.
Kimi K3.1 Pro di Moonshot AI, i cui pesi non sono pubblicati, passa da 55 a 46. I modelli chiusi meglio classificati rimangono tra i 50 e i 58 punti: Claude Opus 5.5 (58), GPT-6 Astra (57), GPT-6.1 Sol (55), Claude Sonnet 5.5 (54), GPT-6.1 Terra (51) e Gemini 4 Argon (50). Artificial Analysis non spiega il calo dei modelli aperti.
Da 3 a 26 punti di differenza a seconda del modello considerato aperto
Artificial Analysis riassume la versione 5 scrivendo che il divario dei modelli a pesi aperti «passa da 3 a 12 punti». Questo calcolo include Kimi K3.1 Pro, a 46 punti, sebbene i suoi pesi non siano «ancora pubblicati». Nel suo articolo del 23 ottobre, il sito annunciava che il divario si sarebbe ridotto «da 12 punti a 3» una volta pubblicati quei pesi, ma non lo erano ancora il 28 ottobre. La scheda del modello lo classifica inoltre come «Proprietary model».
Considerando solo i pesi effettivamente pubblicati, DeepSeek V4.1 Flash e GLM-5.3, a 32 punti, sono a 26 punti da Claude Opus 5.5. Prima del cambio di versione, il divario era di 12 punti. Con 25 punti, Mistral Large 4 si unisce a Muse Spark Open, e DeepSeek V4.1 Flash e GLM-5.3 superano questi due modelli di 7 punti.
La classifica indica anche l’impostazione dello sforzo di ragionamento di ogni modello. Impostato a sforzo basso, Claude Opus 5.5 ottiene 35 punti per un costo medio di 0,98 dollari per compito dell’indice, secondo Artificial Analysis. Con sforzo massimo, lo stesso compito gli costa 10,04 dollari.
Il repository Hugging Face di Mistral Large 4 mostra il 31 ottobre 2026 come data stimata di pubblicazione dei suoi pesi, senza file né licenza alla sera del 28 ottobre. Mistral aveva scritto il 6 ottobre che li avrebbe pubblicati «entro la fine del mese». La licenza scelta e il punteggio della versione pubblicata rimangono sconosciuti.
