AI 基準測試平臺 Artificial Analysis 最新發布的六項行業能力指數顯示，Anthropic 的旗艦模型 Claude Fable 5 在金融會計、法律、醫療、戰略與運營、工程、經濟學六個專業領域全面佔據榜首。該指數基於美國 O*NET 系統的職業分類構建，針對各行業高頻技能（如財務建模、法律研究、臨床決策支持）進行獨立評測，權重按技能在行業中的出現頻率分配。
緊隨其後的是 Claude Opus 4.8，在八項指數中的六項位列第二。OpenAI 的 GPT-5.5（xhigh 推理強度）在剩餘兩項中奪得亞軍。值得注意的是，GPT-5.6 即將發佈，可能進一步攪動現有格局。在第二梯隊以下，谷歌 Gemini 3.5 Flash、Gemini 3.1 Pro Preview、Claude Sonnet 5 以及來自中國的 GLM-5.2 在不同領域互有勝負，排名隨任務類型顯著變化。
開源權重模型中，GLM-5.2 在六項行業指數中的五項領先，在工程基準中以 53 分位列總榜第五，僅落後並列第三的 Claude Sonnet 5 和 GPT-5.5 兩分。在戰略與運營指數中，DeepSeek V4 Pro 以 38 分成為開源陣營的領跑者。
這一結果與獨立盲測平臺 LMArena 截至 7 月 7 日的排行榜高度吻合。Claude Fable 5 同時在文本競技場、代碼競技場和智能體競技場三項主要類別中排名第一，Anthropic 也是唯一在這三大類別均領先的實驗室。在智能體競技場中，Fable 5 得分高出模型均值 16.58%，遠超 GPT-5.5 xHigh 的 8.66% 和 Z.ai 旗下 GLM 5.2 的 6.62%。
然而，頂尖性能背後是驚人的成本溢價。成本分析顯示，DeepSeek V4 Flash 在所有六項指數中的單任務成本均低於 0.04 美元，得分處於中游。GLM-5.2 作為性能最強的開源模型，單任務成本在 0.26 至 0.58 美元之間。相比之下，Claude Fable 5 在戰略與運營指數中單任務成本高達 3.48 美元，是 DeepSeek V4 Pro 的 0.03 美元的逾百倍，而兩者在該指數上的得分差距僅為 12 分。
這種“小幅質量優勢對應巨大成本鴻溝”的現象，已在企業界引發關於性價比的激烈討論。此前已有基準測試凸顯 Fable 5 相對其有限性能提升所收取的高額溢價。部分企業開始探索混合模型策略：用能力更強的編排器將任務分發給性價比更高的“工人模型”，或將前沿模型僅用於驗證任務是否可解，再尋找成本最低的替代方案完成實際執行。
也有不同聲音。美國經濟學家、大語言模型領域知名評論人 Ethan Mollick 認為，像 Fable 5 這樣的模型帶來的性能躍升，可能尚未被現有基準測試充分捕捉。不過，這一說法目前尚無實證支持。所有指數的完整權重、基準組件及方法論文檔均已公開在 Artificial Analysis 網站上。
對於關注 AI 產業落地的投資者而言，這份報告清晰地劃出了當前模型市場的兩條主線：以 Anthropic 為代表的極致性能路線，與以 DeepSeek、GLM 為代表的極致性價比路線。兩者在企業實際採購決策中的拉鋸，將直接影響模型提供商的定價權、客戶留存率以及下游應用開發的成本結構。