Artificial Analysis Decision Index v2 榜单显示专业决策模型距 GPT-6 仅差 3 分,速度快 40 倍、成本仅 1/15
Artificial Analysis 发布 Decision Index v2,将置信度校准纳入模型决策评分,专业决策模型 Drex Max v1.1 与 GLiDE v1.2 均得 73 分,只比 GPT-6 Luna(Max)的 76 分低 3 分。
模型评测正在从比谁更聪明转向比单位决策成本,专业决策模型在固定任务上开始具备独立于通用旗舰的成本价值。
- 影响文档审核、事实抽取、合规判断等固定任务中,专业模型与旗舰分差仅 3 到 4 分而成本可差 15 倍以上;是否值得为少量精度付费要按真实业务损失折算;输入复用和缓存策略对最终成本的影响可能超过 Token 单价。
- 参考可考虑把决策任务按风险分三层路由,低风险交给低成本专业模型,中风险选校准好的模型并设转人工,高风险再升级旗舰或专家;值得在路由系统记录 Token 消耗、缓存命中、置信度和升级原因,用真实业务数据而非榜单总分选型。