综合榜
本站智能参考榜依据 Arena 的通用偏好、中文偏好和网页开发评测整理,反映当前参评模型的相对表现。本站参考分与其他机构的官方智能指数分别展示。
按量性价比榜结合能力参考分与按量公开价,便于 API 调用场景对照。
包月订阅榜结合智能综合分与包月公开标价(智能分 ÷ 月费),便于个人订阅选型;标价随厂商调整,可能含税或活动差异。
国产模型使用热度榜仅统计具备公开平台 token 用量的中国厂商模型;未提供相应公开信号的模型不参与。
开源模型下载量单独成榜,不计入上述四个综合榜。
明细榜
中文榜参考 Arena 中文偏好,编程榜参考网页开发评测。推理页目前展示通用偏好参考,不是推理专项成绩;写作、仓库维护和数学任务还需分别验证。
评分与比较范围
查看计算方法
方法版本 1.1:先将各来源类别中的原始评分按升序名次映射为 P = 100 × 序位 / (条目数 − 1),单条记录取 50。该分数反映当期参评集合中的相对位置,分差不是成功率差异。
设通用偏好为 O、中文偏好为 Z、网页开发为 C:仅有 O 时取 O;有 Z 时先取 0.85O + 0.15Z;有 C 时再将此前结果乘 0.90,加 0.10C。三项齐全时为 0.765O + 0.135Z + 0.10C。缺项不补零,不同覆盖组合应先查看原始分项。
综合榜比较已有公开评测的闭源在线模型。开放权重模型可在模型库和下载量榜查看;尚无评测结果的型号列在观察名单中。
按量参考值使用通用偏好百分位 O ÷ (0.25 × 输入单价 + 0.75 × 输出单价),价格单位为美元 / 百万 tokens。缺价格、完全免费条目不参与该除法排名;实际预算请使用成本计算器。
怎样使用三类一手榜
Artificial Analysis v5:知识工作、编程、科学和通用四类各占 25%;60% 来自私有测试集或保留答案,不是“可信度 60%”。核对指数版本、模型与推理档;跨版本不能直接用分差推断进步。
SuperCLUE:先核对榜单年月与任务定义,再看逐项分。2026 年 11 月通用榜五维不等同于写作专项;中文写作、问答应寻找对应专项证据,不能用总分代替。
Arena:同时看分数区间、排名区间、样本量及类别;区分真人偏好、AutoEval 与其他评测方式。部分榜单还包括自动评估,阅读时请留意评价方式。
模型详情和对比页可查看 SuperCLUE 2026 年 11 月五项成绩,与本站参考分分别展示。Artificial Analysis 的更多结果可通过上方官方链接查阅。
数据可追溯性
模型详情与对比表列出评测来源、完整型号、评测日期、分数和可用的统计区间。查看时请留意参评范围与样本量。变化记录可查询最近 90 天的数据。
- LMArena Text Arena:公开偏好评测
- LMArena WebDev:公开编程/网页开发评测
- OpenRouter 模型价格:公开网关价格
- Fluence Inference 网关报价:第三方网关折扣价
- CherryIN 网关报价:第三方网关价
- OpenRouter 平台用量:公开平台 token 用量
- Hugging Face Hub:开源社区下载量
- 厂商公开订阅标价:公开订阅价格
怎样理解变化与缺失
名次变化可能来自参评模型、来源覆盖或评分公式变化,并不能单独证明能力变化。缺少评测不等于能力为零;价格与功能缺失应向服务商核验。
包月参考分没有覆盖使用额度、限速、工具功能和地区条件,不能替代订阅方案的完整比较。查看变化记录。
使用提示
选型时请结合自身场景做验证;价格与能力会随厂商更新而变化。榜单不构成采购、投资或其他专业建议。
