指标与排序说明

这里解释一览表上每个分数的含义、排序方式的区别、两套榜单口径的对照，以及数据来源。分数均为 0–100 的锚定分（相对固定锚点，而非当日池内排名），不是绝对能力值。

一、分数是什么意思

  • 综合分：总体印象分，适合先看个大概。
  • 共识分：把 5 家权威榜单（综合能力、竞技场对战、编程、Agent、推理）按权重合成一个分，适合通用选型；括号里的 n/5 表示有几家榜单覆盖了该模型。每族先换算成固定锚定分（0–100）再加权：新模型加入不再拉动老模型的分数，榜首加权约 90 分而非 100（锚点处各族约：AA 92、Arena 84、编程 92、Agent 93、推理 90）。
  • 编码分 / Agent 指数 / 推理分：单项能力分。写代码看编码分，做自动化工作流看 Agent 指数，做数学和深度推理看推理分。
  • 性价比：便宜 + 长上下文 + 够聪明三者兼顾，预算有限时看它。
  • 权威单项：榜单成绩原始数据，想看某一项的硬成绩直接看这里：
    • SWE-bench Verified / Pro：修真实 GitHub Bug 的能力，编程硬指标。
    • Terminal-Bench：在终端环境里执行任务的能力。
    • GPQA / HLE：研究生级理科问答与高难度综合考试，考知识与推理。
    • Arena ELO：人类投票对战排名（文本 / 视觉 / 网页开发），看综合口碑。
    • OSWorld / BrowseComp：操作系统操作与联网调研的 Agent 能力。
  • 速度：每秒输出 token 数，实时交互场景关注它。

模型详情里每个分数后的 (名次/总数)，表示该分数在全池同维度下的排名，比如 (5/1046) 即该项第 5 名。

二、排序怎么选

  • 主排序（综合 / 共识 / 编码 / Agent / 推理 / 性价比）：六选一，按你的用途挑一个即可。
  • 权威榜单 / 性能与能力：想看某一原始榜单的成绩时用，同样一次只按一种排。
  • 筛选（厂商 / 开源 / 价格 / 能力）：可以和任何排序叠加，只过滤行、不改变排序。能力即排序 tab 的同名维度是否有成绩：多模态、Agent（有成绩）、编码（有成绩）；全池仅 16–21% 模型有 Agent/编码成绩，缺成绩≠差。

缺数据的模型排在后面，显示为 —，不代表它差，只代表暂无该项成绩。

三、榜单口径：本站计算 vs 权威榜单引用

本站同时提供两套口径，二者物理隔离、互不混排：

  • 本站计算（归属一览表排序）：共识分（AA 30% + Arena 20% + 编程 20% + Agent 15% + 推理 15%，每族锚定分加权，≥2 证据才入榜，缺失权重再归一）与 4 个单维专项：编码 / Agent / 推理 / 性价比（性价比 = 价格低 + 上下文大 + 智能分的锚定 Pareto 权衡）。均为派生计算，非引用。
  • 权威榜单引用（归属专项榜 /rankings/）：周调用榜（OpenRouter 周 token 调用量 Top10，流行度非能力）与 OpenRouter 定义的专项榜：最强开源 / 最具性价比 / 最快 / 最强编码。名次即 OpenRouter 页顺序，不做二次加权；榜单标题统一前缀 OpenRouter · ，每块提供“查看原榜 →”溯源外链。

防撞说明：OpenRouter · 最具性价比 ≠ 本站性价比（前者是 OpenRouter 榜名次，后者是本站 Pareto 计算）；OpenRouter · 最快 ≠ 本站速度（前者榜单名次，后者实测 tok/s）；OpenRouter · 最强编码 ≠ 本站编码分（前者原榜，后者 coding_index + SWE-bench 归一）。标题前缀 OpenRouter · 用于区分。

本站编码 / 推理 Top10 已同步展示在专项榜页顶部（与一览表同源的本站计算，组内取该项最高分，标题前缀“本站 · ”），与 AA · / OpenRouter · 引用榜并存时以前缀区分：本站榜是派生计算，引用榜是原榜名次原样呈现。

当前收录榜单以页面实际展示为准，缺榜自动隐藏（单榜数据缺失不影响其他榜单）。周调用榜亦在此口径区，不在一览表内重复展示。

查看： 专项榜 → · 模型一览表 →

四、数据哪里来

  • Artificial Analysis：智能 / 编程 / Agent 指数。
  • LM Arena：人类投票对战 ELO（文本 / 视觉 / 网页开发）。
  • BenchLM：SWE-bench、GPQA、HLE 等专项基准成绩。
  • OpenRouter：价格、上下文窗口、周调用量及 OpenRouter 榜单原数据。
  • Hugging Face：开源权重信息。
  • 各厂商官方发布页与官方博客。

分数栏不再逐行标注来源，所有口径统一在这里说明。

价格说明：优先采用官方价格；官方未公布时采用其他可靠途径（如聚合商报价），并在行内 hover 显示来源；估算值标 ≈。不同服务商的同模型报价可能有差别，请以官方价格为准。

数据每日更新。当前口径 Index v2。共识 / 综合 / 编码 / Agent / 推理 / 性价比六个分数为锚定分（绝对口径，可跨天对比）；条形宽度一般为相对百分位（池内位置），综合分条形除外、宽度即其绝对分。

五、想看更多榜单？

当前提供引用榜（OpenRouter / AA）与本站计算榜（编码 / 推理 Top10），如果希望增加其他类型榜单，欢迎反馈建议。