Artificial Analysis Intelligence Index v4.2

v4.2 用 AA-Briefcase 和 GDP.pdf 把评测拉向多周知识工作与长文档证据综合：后者要穿过 100 份、4,592 页 PDF，并按 1,275 个原子标准判定全通过。私有 held-out 测试占 40%，为 v4.1 的两倍，目的是减少实验室针对公开题库调参；榜单由 Claude Fable 5.1 领先、GPT-6 Astra 第二，说明“更真实”评测仍然会产生新的方法学争议。