評分方法
每個模型有三個評級：智慧、成本、性價比。下面的權重和門檻都直接讀自評分設定，設定改了這裡會跟著變。
收錄哪些模型
模型名單不是手選的，每天依據資料來源重新產生：Artificial Analysis 有它的智慧指數、至少上了一個 Arena 榜、models.dev 上有它廠商自己的官方價格，三個條件都符合就收錄。每個模型只佔一列，取它最高的推理檔位。各資料來源之間依名稱精確對應，不做模糊比對，少數對不上的再手動修正。
名單裡有同一廠商、同名但版本號更高的模型時，舊版本會標為舊模型，在首頁預設收合，例如有了 Claude Opus 5.5，Claude Opus 5 就是舊模型。
智慧
每個榜單指標先正規化到 0–100，100 代表該指標目前的榜首。AA 智慧指數從 0 起算。其餘指標只取榜首往下固定的一段，範圍見下表：Elo 分和 Agent 榜的分數都沒有有意義的零點，LiveBench 的分數又擠得太近，從 0 算拉不開差距。
n = clamp(100 × (x − floor) ÷ (frontier − floor), 0, 100)分數是模型已有指標的加權平均。模型缺某個榜時依其餘榜單計算，一個榜單都沒上的模型不評級。每個榜單只算一次：AA 智慧指數已經包含的榜單（如 Terminal-Bench、FrontierCode）不採用，和它部分重疊的榜單只計不重疊的部分。
| 指標 | 來源 | 零點 | 權重 |
|---|---|---|---|
| AA 智慧指數 | Artificial Analysis | 原始分 0 | 21.7% |
| Arena 文字榜 | 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 只計 Reasoning、Data Analysis、Research、Browser和Design 這幾個分類。Coding和Long Agentic 不列入，因為 AA 智慧指數已經測了同類任務，所以 LiveBench 只依完整榜單的 61.1% 計權，也就是保留的分類在它自己的分類權重裡所占的比例。
成本
價格取 models.dev 上的官方價，單位是美元 / 百萬 token。混合價 =（7 × 快取讀取價 + 2 × 輸入價 + 1 × 輸出價）÷ 10，相當於約 78% 的輸入 token 命中快取，因為 Agent 和長對話會反覆重送上下文。沒有快取讀取價的模型，這部分也按輸入價計算；快取寫入的額外費用不計。級距依混合價的絕對值劃分。
成本指數把價格依對數刻度對應到 0–100：不高於 $0.04 記 0，不低於 $12 記 100。它只用來算性價比。
cost_index(price) = clamp(100 × log10(price ÷ 0.04) ÷ log10(12 ÷ 0.04), 0, 100)性價比
單價低不等於用起來便宜：模型如果很耗 token，實際花費照樣高。所以性價比看的是模型實際跑起來花多少錢。Artificial Analysis 公布了每個模型跑完整套智慧指數評測的實際花費。所有模型跑的是同一套題，這筆花費已經反映了模型實際消耗多少 token，推理消耗也算在內。為了換算回「每百萬 token 價格」的刻度，把它除以典型 token 用量，也就是本站收錄模型「花費 ÷ 混合價」的中位數。Token 用量與典型水準相當的模型，折算價就等於混合價；省 token 的更低，耗 token 的更高。沒有評測花費資料的模型直接用混合價。 目前的典型用量是 2,443 百萬 token。
effective_price = run_cost ÷ typical_token_use性價比 = 智慧分^0.6 × max(100 − 折算價的成本指數, 5)^0.4。這是幾何平均，兩頭都不能太差：聰明但很貴、便宜但很笨，都拿不到高分。
value = intelligence^0.6 × max(100 − cost_index(effective_price), 5)^0.4級距
| 評級 | 級距與條件 | ||||
|---|---|---|---|---|---|
| 智慧 | top 最高≥ 87 | high 高≥ 74 | mid 中≥ 55 | low 低≥ 38 | very_low 很低< 38 |
| 成本 (混合價) | very_low 很低< $0.13 | low 低< $0.48 | mid 中< $1 | high 高< $2 | very_high 很高≥ $2 |
| 性價比 | top 最高≥ 65 | high 高≥ 57 | mid 中≥ 44 | low 低≥ 34 | very_low 很低< 34 |
資料來源與標示
外部資料由排程工作同步成快照，網站建置時只讀快照，不連網。
| 來源 | 用途 | 授權 | 資料更新於 |
|---|---|---|---|
| models.dev | 價格、上下文長度、發布日期、是否開放權重、模態 | MIT | 2026-11-11 10:02 UTC |
| Artificial Analysis | 智慧指數、評測總花費 | 依其條款標示來源 | 2026-11-11 10:02 UTC |
| Arena | 文字榜、WebDev 榜和 Agent 榜的分數 | CC BY 4.0 | 2026-11-11 10:02 UTC |
| LiveBench2026-11-06 | AA 沒有測的那幾個分類的得分 | 未聲明授權，標示來源 | 2026-11-11 10:02 UTC |
注意
- 程式能力用 Arena 的 WebDev 榜和 AA 智慧指數裡的程式部分衡量。Artificial Analysis 也有程式指數，但免費 API 不提供，所以沒有採用。
- 同一個模型在榜單上常依推理等級分成多個項目，這裡取的是 mekiki 實際使用的那一級。
- 實測花費來自 Artificial Analysis 自己的評測題，對應的是所對應條目的推理等級。換一種任務或調低推理等級，花費會不一樣。