1. 模型
  2. Z.ai
  3. Artificial Analysis Intelligence Index v4.0
A
@ArtificialAnlysX · 2026年2月11日

Artificial Analysis Intelligence Index v4.0

@ArtificialAnlys 的这张跑分柱状图在 X 上获得 11.4万 浏览，是 @artificialanlys 帖子中位数的 10.0 倍，在我们收录的 1,162 条 AI 图表帖中浏览排第 356。读取于2026年10月12日。

Artificial Analysis Intelligence Index v4.0 leaderboard

X数据跑分柱状图GLM-5Z.ai 全部模型GPT-5Gemini 3 ProGrok 4Gemini 2.5 ProClaude Opus 4Claude Sonnet 4GPT-4.1Grok 4.1
发布者 @ArtificialAnlys 于 X, 2026年2月11日. 来源: x.com
69/ 100

ViralChart 评分

传得远，也打动人

浏览和互动率都高于中位数帖子：传得远，大家也有反应。

#251 / 1,162 我们收录的 AI 图表帖 · #67 / 491 @artificialanlys 的帖子. 评分 = 浏览 40%、赞 30%、互动率 15%、收藏率 15%，每项都按我们收录的全部 AI 图表帖计算百分位。

我们的解读

传得远，也打动人：在1162条AI图表帖中排第251。

浏览量11.4万，是@ArtificialAnlys中位数1.1万的10倍。

综合得分69，在1162条AI图表帖中排第251。

收藏率0.11%，高于AI图表帖中位数0.076%。

10.0x@artificialanlys 帖子中位数的倍数

11.4万 浏览，而 @artificialanlys 一条典型帖子是 1.1万。

2.6x跑分柱状图帖子中位数的倍数

我们收录的 215 条跑分柱状图帖子，中位数是 4.4万 浏览。

前 32%收藏率

0.112% 的浏览者收藏了它，打算回头再看。中位数帖子是 0.076%。

前 41%互动率

0.82% 的浏览者点赞、转发、引用或回复。中位数帖子是 0.73%。

X 公开数据，读取于2026年10月12日。对比对象：1,162 条我们收录的 AI 图表帖，以及 @artificialanlys 的 491 条。

它的位置

传播范围对比打动程度

每个点是一条帖子。越往右浏览越多，越往上互动率越高。两条线是中位数，四个角就是四种帖子。

在 1,162 条我们收录的 AI 图表帖中

评分 #251 / 1,162

浏览11.4万#356前 31%
赞765#320前 27%
互动率0.82%#473前 41%
收藏率0.112%#369前 32%

在 @artificialanlys 的 491 条帖子中

评分 #67 / 491

浏览11.4万#75前 15%
赞765#79前 16%
互动率0.82%#243前 49%
收藏率0.112%#170前 35%

增长

目前只读取过一次

浏览11.4万
读取时发布天数243 天
平均每天浏览468浏览除以发布以来的天数

圆点是我们的读取。从发布当天到第一次读取之间的虚线是空档，不是数据。

@artificialanlys 的帖子随时间变化

我们收录的这个账号的每条帖子，按日期和浏览排列。标出的是这一条，线是最近 10 条的滚动中位数。

新闻 · 2026年2月11日

@ArtificialAnlys发AI指数榜，浏览量11.4万

浏览量超中位数，互动率0.82%。

发生了什么

2026年2月11日，@ArtificialAnlys发布Artificial Analysis Intelligence Index v4.0排行榜，含30个模型，共1张图表。当天该账号仅此一帖。

数字

浏览量11.4万，在1162条AI图表帖中排第356，高于中位数4万。点赞765，互动率0.82%。

经验

收藏率0.11%，为AI图表帖第68百分位，高于中位数0.076%。

意味着什么

该帖浏览量是账号中位数的10倍，但收藏率仅略高于中位数，互动表现中等。

由 ViralChart 根据2026年10月12日读取的公开数字撰写，每个数字展示前都与我们的数据核对过。

后续：@artificialanlys 接着发了什么

  1. Artificial Analysis Intelligence Index v4.02.5万 浏览
  2. AA-AWER Index2.8万 浏览
  3. AA-WER: Earnings22 & VoxPopuli Transcription Error Rates1994 浏览
  4. Output Reasoning Tokens and Cost for Artificial Analysis1.9万 浏览

数据与 API

从这张图读出 44 个数据点

从图片估算 55%
系列分组数值读取方式
Claude Opus 4.5 (Non-reasoning)93图上印着
GPT-5.2 (High)51图上印着
Claude Opus 4.550图上印着
Grok 4.1 (High)49.5图上印着
Gemini 3.1 Pro (High)49.5图上印着
Claude Opus 4.1 (Non-reasoning)48图上印着
Gemini 3.1 Pro (Non-reasoning)47图上印着
Grok 4.1 (Non-reasoning)46估读
Claude Opus 4.5 (High)46估读
Gemini 3.1 Deep Think (High)43估读
GPT-5.2 (Non-reasoning)42估读
Claude Opus 4.1 (High)42估读

显示 44 个中的 12 个。 全部数据点、重绘和制作器

Max 方案 · API

GET https://viral-chart.com/api/posts/b44c7eddb639.json
GET https://viral-chart.com/api/charts/b44c7eddb639.json
GET https://viral-chart.com/api/charts/b44c7eddb639.skill.md
做一张这样的图打开帖子 JSON图表数据 JSON技能文件API 文档

原型里是静态文件。帖子 JSON 包含公开数字、排名、评分、象限、我们的读取记录，以及通过核对的文案。

API · Max

用 API 调用这张图

Max 套餐可以取这张图的数字（每个数字都带来源），格式为 JSON 或 CSV，附重画规格；也可以让智能体通过 MCP 调用。图表 id：b44c7eddb639。

查看 Max 套餐API 文档
路径返回套餐
GET/api/v1/charts/b44c7eddb639标题、发布者、日期、图型、数据点数；用 Max 密钥时附数据链接开放
GET/api/v1/charts/b44c7eddb639/data每个数据点及其来源和置信度，加上重画规格。加 ?format=csv 得到 CSVMax
GET/api/v1/charts/b44c7eddb639/render?view=1本页使用的只读绘图视图开放
POST/mcp工具 get_chart_data 加这个 id，供 Claude、Cursor 等智能体使用Max
curlMax
curl -s https://viral-chart.com/api/v1/charts/b44c7eddb639/data \
  -H "Authorization: Bearer $VIRALCHART_KEY"
Claude CodeMax
claude mcp add --transport http viralchart https://viral-chart.com/mcp \
  --header "Authorization: Bearer $VIRALCHART_KEY"

每个密钥每分钟 60 次，超出返回 429 和 Retry-After。每个账号最多 5 个密钥，在账户页创建，只显示一次。没有 Max 时数据接口返回 402，并附套餐链接。这些数字描述的是发布者拥有的图，每个文件都带授权说明。

更多关于 GLM-5 的图

GLM-5: Agentic Coding Performance by Effort Level
官方X · Z.ai2026年6月16日
Agentic Coding Performance by Effort Level767.1万 浏览 · 1.3万 赞
数据
GLM-5: LLM performance across six benchmarks
官方X · Z.ai2026年8月26日
LLM performance across six benchmarks695.8万 浏览 · 2.4万 赞
数据
GLM-5: LLM benchmark performance across nine tasks
官方X · Z.ai2026年8月14日
LLM benchmark performance across nine tasks591.4万 浏览 · 1.9万 赞
数据
GLM-5: Coding Evaluation
官方X · Z.ai2026年3月27日
Coding Evaluation130.1万 浏览 · 5444 赞
数据
GLM-5: Frontier models intelligence versus cost per task
官方X · Z.ai2026年8月18日
Frontier models intelligence versus cost per task53.2万 浏览 · 3781 赞
数据
GLM-5: LLM Performance on 8 Benchmarks
官方X · Z.ai2026年6月16日
LLM Performance on 8 Benchmarks25.4万 浏览 · 1181 赞
数据

Z.ai 的更多图

GLM-5.1: Coding Performance Evaluation
官方X · Z.ai2026年4月7日
Coding Performance Evaluation435.7万 浏览 · 1.1万 赞
数据
GLM-4: LLM Benchmarks Performance Evaluation
官方X · Z.ai2026年1月19日
LLM Benchmarks Performance Evaluation165.5万 浏览 · 5285 赞
数据
GLM-4: LLM Performance on 8 Benchmarks
官方X · Z.ai2026年2月11日
LLM Performance on 8 Benchmarks150万 浏览 · 5280 赞
数据
GLM-4: LLM Benchmarks Performance Evaluation
官方X · Z.ai2025年12月22日
LLM Benchmarks Performance Evaluation142.6万 浏览 · 3347 赞
数据
GLM-4: LLM Performance Evaluation: Agentic, Reasoning, and Coding Benchmarks
官方X · Z.ai2025年7月28日
LLM Performance Evaluation: Agentic, Reasoning, and Coding Benchmarks134.4万 浏览 · 3006 赞
数据
GLM-4: LLM Performance on 8 Benchmarks
官方X · Z.ai2025年9月30日
LLM Performance on 8 Benchmarks90.8万 浏览 · 1784 赞
数据

常见问题

这张图从哪里来？

@ArtificialAnlys于2026年2月11日在 X（x.com）发布了它。我们把它留在这里，并以文字注明发布者和日期，方便你不离开本站就能研究。

我能做一张这样的图吗？

用格式，不用原图。打开它的数据页，用“做一张这样的图”：从这张图的数字起步，换成你的。