数据取 Artificial Analysis 智能指数 v4.3.2（10 项评测加权，抓取于 2026-10-24）。榜单按配置档计名次，同一模型多档位（max/xhigh/high/medium/low）各占一名；单任务成本为最高推理档位每任务价格。
总榜前 50
这一期总榜的头名没有悬念：Claude Opus 5.5（58）继续第一，Anthropic 包揽前三里的两席，Muse Wonder Full（56）第四。真正的变化发生在第五名——Kimi K3.1 Pro 以 55 分空降，把自己和第一名的分差缩到 3 分。这是国产模型在 AA 智能指数上的历史最高名次。
K3.1 Pro 落地的连锁反应也立刻体现在榜上：AA 的榜单统计里，Kimi 的现役旗舰已经换成 K3.1 Pro，前代不再单列；DeepSeek 的 V4.1 Flash 旧档同样让位给了 1017 新档（45 分，第 30）。一周之内，国产在榜模型完成了一次代际交接。
国内段：新旗舰空降第五，天花板换了主人
国内模型本期在榜 22 款、28 个配置档。按去重后的梯队看：
- 55 分档（第 5 名）：Kimi K3.1 Pro，国产新天花板，比上周的国内最高分（MiMo-V2.6-Pro 46）整整高出 9 分；
- 44-45 分档：DeepSeek V4.1 Flash 1017（45）、Qwen3.8 Max（45）、GLM-5.3（45）、Ling 3.1 Flash 1019（44，新进）、Step 5 Preview（44）；
- 43 分档：MiniMax-M3.1-Flash（43，新进）——上周 Space Bunny 马甲转正后的第一个完整周期；
- 42 分以下：GLM-5.3-Flash、Ling 3.1 Flash、Qwen3.8 系列等与上周基本持平。
值得注意的三个新进档位全是 10 月发布的新模型：K3.1 Pro（10-24）、DeepSeek V4.1 Flash 1017（10-17）、Ling 3.1 Flash 1019 与 MiniMax-M3.1-Flash（10-19）。上周我们说国内「零发布、零变动」，这一周全部兑现成了榜面上的新名字。国产与榜首的分差从上周的 12 分缩到 3 分。
不过开放权重层面的第一名还是 MiMo-V2.6-Pro（46 分）——K3.1 Pro 的权重按官方承诺要到 11 月 4 日前才发布，在那之前，它暂时还是闭源状态参与排名。权重落地后，开放权重榜首大概率也要换人。
本周变动：一次干净的代际换血
前 100 名里新进 6 款、跌出 6 款，没有一款是分数下跌导致的：所有真实分数变化为零，进出全部来自新模型上榜和旧档位退榜。
新进的 6 款：Kimi K3.1 Pro（55 分，第 5）、DeepSeek V4.1 Flash 1017（45，第 30）、Ling 3.1 Flash 1019（44，第 32）、MiniMax-M3.1-Flash（43，第 35）、GPT-6 Luna low 档（22，第 99）、SK Telecom 的 A.X-K2（21，第 100）。
跌出的 6 款：Kimi 前代旗舰的两个档位（AA 已改为只统计 K3.1 Pro，前代下架榜单）、DeepSeek V4.1 Flash 的三个旧档、Meta 的 Muse Spark 1.3 两个档位。后者的退榜原因在快照里看不出分数变化，更可能是 AA 榜单展示范围调整，下周继续观察。
上周预告的两个观察点全部兑现：K3.1 Pro 正式发布并空降第 5；DeepSeek V4.1 Flash 1017 完成了 AA 重测，从旧档的 39 分涨到 45 分，一周涨 6 分，是本期涨幅最大的模型。
榜上的分数，我们七天的账本
分数是上限，实际用谁是另一本账。自用网关 magpie 记下了过去七天的每一次调用：13,496 次，token 消耗含缓存读取合计约 19 亿，分布在 417 个会话里。
模型分布和榜单对照着看：GLM-5.3 占 41%（6,818 次，ttft 6.7 秒）、MiniMax-M3.1-Flash 占 19%（3,340 次，ttft 2.2 秒）、Kimi 前代旗舰占 29%（2,278 次，ttft 8.5 秒）。榜上 55 分的 K3.1 Pro 也在账本里出现了——77 次调用，ttft 5.4 秒，包括这篇稿子的写作本身。
有意思的是代际交接在账本上的样子：工作室最近七天的主力调用还压在 Kimi 前代上，而它已经不在 AA 榜单的统计范围里了；新旗舰的 77 次调用里就有这篇稿子。等 K3.1 Pro 的权重落地、订阅额度铺开，账本上的占比会不会跟着换，是下周最值得盯的一个数字。
想看 K3.1 Pro 发布当天的完整拆解——后训练增量、API 定价、任务成本对账——可以读《Kimi K3.1 Pro 发布：提升的大头在 Agent》。榜单口径为什么各家对不上，之前在《同一个模型，每个榜都说它第一》里讲过四类测法的差别。
