评分方法
每个模型有三个评级：智能、成本、性价比。下面的权重和阈值都直接读自评分配置，改了配置这里会跟着变。
收录哪些模型
模型名单不是手选的，每天根据数据源重新生成：Artificial Analysis 有它的智能指数、至少上了一个 Arena 榜、models.dev 上有它厂商自己的官方价格，三条都满足就收录。每个模型只占一行，取它最高的推理档位。各数据源之间按名字精确对应，不做模糊匹配，个别对不上的再手动修正。
名单里有同一厂商、同名但版本号更高的模型时，旧版本会标为旧模型，在首页默认折叠，比如有了 Claude Opus 5.5，Claude Opus 5 就是旧模型。
智能
每个榜单指标先归一化到 0–100，100 表示该指标当前的榜首。AA 智能指数从 0 起算。其余指标只取榜首往下固定的一段，范围见下表：Elo 分和 Agent 榜的分数都没有有意义的零点，LiveBench 的分数又挤得太近，从 0 算拉不开差距。
n = clamp(100 × (x − floor) ÷ (frontier − floor), 0, 100)分数是模型已有指标的加权平均。模型缺某个榜时按其余榜单计算，一个榜单都没上的模型不评级。每个榜单只算一次：AA 智能指数已经包含的榜单（如 Terminal-Bench、FrontierCode）不采用，和它部分重叠的榜单只计不重叠的部分。
| 指标 | 来源 | 零点 | 权重 |
|---|---|---|---|
| AA 智能指数 | Artificial Analysis | 原始分 0 | 21.7% |
| Arena 文本榜 | Arena | 榜首 − 300 | 21.7% |
| Arena WebDev 榜 | Arena | 榜首 − 450 | 21.7% |
| Arena Agent 榜 | Arena | 榜首 − 0.25 | 21.7% |
| LiveBench | LiveBench | 榜首 − 17 | 13.3% |
LiveBench 只计 Reasoning、Data Analysis、Research、Browser和Design 这几个分类。Coding和Long Agentic 不计入，因为 AA 智能指数已经测了同类任务，所以 LiveBench 只按完整榜单的 61.1% 计权，也就是保留的分类在它自己的分类权重里所占的比例。
成本
价格取 models.dev 上的官方价，单位是美元 / 百万 token。混合价 =（7 × 缓存读取价 + 2 × 输入价 + 1 × 输出价）÷ 10，相当于约 78% 的输入 token 命中缓存，因为 Agent 和长对话会反复重发上下文。没有缓存读取价的模型，这部分也按输入价计算；缓存写入的额外费用不计。档位按混合价的绝对值划分。
成本指数把价格按对数刻度映射到 0–100：不高于 $0.04 记 0，不低于 $12 记 100。它只用来算性价比。
cost_index(price) = clamp(100 × log10(price ÷ 0.04) ÷ log10(12 ÷ 0.04), 0, 100)性价比
单价低不等于用起来便宜：模型如果很费 token，实际花费照样高。所以性价比看的是模型实际跑起来花多少钱。Artificial Analysis 公布了每个模型跑完整套智能指数评测的实际花费。所有模型跑的是同一套题，这笔花费已经反映了模型实际消耗多少 token，推理消耗也算在内。为了换算回“每百万 token 价格”的刻度，把它除以典型 token 用量，即本站收录模型“花费 ÷ 混合价”的中位数。Token 用量与典型水平相当的模型，折算价就等于混合价；省 token 的更低，费 token 的更高。没有评测花费数据的模型直接用混合价。 当前的典型用量是 2,443 百万 token。
effective_price = run_cost ÷ typical_token_use性价比 = 智能分^0.6 × max(100 − 折算价的成本指数, 5)^0.4。这是几何平均，两头都不能太差：聪明但很贵、便宜但很笨，都拿不到高分。
value = intelligence^0.6 × max(100 − cost_index(effective_price), 5)^0.4档位
| 评级 | 档位与条件 | ||||
|---|---|---|---|---|---|
| 智能 | top 最高≥ 87 | high 高≥ 74 | mid 中≥ 55 | low 低≥ 38 | very_low 很低< 38 |
| 成本 (混合价) | very_low 很低< $0.13 | low 低< $0.48 | mid 中< $1 | high 高< $2 | very_high 很高≥ $2 |
| 性价比 | top 最高≥ 65 | high 高≥ 57 | mid 中≥ 44 | low 低≥ 34 | very_low 很低< 34 |
数据来源与署名
外部数据由定时任务同步成快照，站点构建时只读快照，不联网。
| 来源 | 用途 | 许可 | 数据更新于 |
|---|---|---|---|
| models.dev | 价格、上下文长度、发布日期、是否开源权重、模态 | MIT | 2026-11-11 10:02 UTC |
| Artificial Analysis | 智能指数、评测总花费 | 按其条款署名 | 2026-11-11 10:02 UTC |
| Arena | 文本榜、WebDev 榜和 Agent 榜的分数 | CC BY 4.0 | 2026-11-11 10:02 UTC |
| LiveBench2026-11-06 | AA 没有测的那几个分类的得分 | 未声明许可，注明来源 | 2026-11-11 10:02 UTC |
注意
- 编程能力用 Arena 的 WebDev 榜和 AA 智能指数里的编程部分衡量。Artificial Analysis 也有编程指数，但免费 API 不提供，所以没有采用。
- 同一个模型在榜单上常按推理档位分成多个条目，这里取的是 mekiki 实际使用的那一档。
- 实测花费来自 Artificial Analysis 自己的评测题，对应的是所映射条目的推理档位。换一种任务或调低推理档位，花费会不一样。