ABOUT
这是什么
本站汇总公开的第三方 AI 模型评测，用同一套标准比较各家模型的能力、成本和速度，并区分版本和推理强度（reasoning effort）。本站不自行跑分。
数据更新于 2026-11-03，每周更新。每个指标的读取日期见模型详情。
AI 模型榜单
汇总公开的第三方评测，用同一套标准比较主流大模型的能力、成本和速度。
数据更新：2026-11-03 · 每周更新
— 个型号— 个有完整评分的配置排序维度：能力 · 成本 · 速度
排行榜
综合分来自 Artificial Analysis Intelligence Index v5.0.1；点击表头切换排序。
筛选
点击型号查看详情与来源
| 名次 | 模型 / 配置 |
|---|
当前条件下没有数据，请降低门槛或调整筛选。
同分并列按来源公布的取整值计算；相差 1–2 分不代表能力有确定差距。名次只在当前筛选结果内有效。
观察名单
已发布但暂无独立综合分、属于特殊产品模式或仅限受邀访问的模型。没有分数不代表模型弱。
关于与方法
METHOD
怎么排名
能力：Artificial Analysis Intelligence Index v5.0，由 9 项评测组成（知识工作、编程、科学、通用四类各占 25%），同分并列。
成本：只比较综合分达到门槛（默认 35 分）的配置，按 AA 跑完整套评测的平均单任务成本从低到高排序。
速度：采用 Artificial Analysis 性能基准 v3.0.0（2026 年 11 月 3 日公布）。切到速度排序时，默认只看综合分 ≥ 25 的配置，可一键显示全部。默认看单任务耗时：完成一道综合指数评测题平均要几分钟（输出 token 数 ÷ 输出速度，按指数权重平均，是估算值）。也可看输出速度（整次请求每秒输出的 token 数，含思考 token 和等待首个 token 的时间；服务端失败的请求按 0 计）和首个答案时间（发出请求到收到第一个答案 token 的秒数，含思考时间）。数值来自每个模型的代表端点（通常是厂商官方 API），取单次请求与多轮代理任务、过去 5 天的平均。新方法与旧方法测得的速度数据不能直接比较；Artificial Analysis 没有给出数值的配置留空。 AA 速度方法 ↗
LIMITS
需要注意
综合分不是 IQ 或正确率；评测偏重英文。成本是 AA 跑评测的花费，不是你每次提问的费用。速度在美国服务器上测得，不代表你所在地区的体验；单任务耗时是估算值，不是计时。
厂商自测成绩只在详情里展示，不参与排名。旧版指数 v4.3.2 的分数单独展示，不与 v5 混排。Arena 人类偏好分单独展示，不并入综合分。
免责声明
本站与 Artificial Analysis、Arena 及各模型厂商均无隶属关系。数据和商标归各自所有者所有，来源见下方链接。数据可能有误或滞后，仅供参考，不构成购买建议。
另一个视角：Arena 人类偏好（不并入综合分）
| Arena 名次 | 条目 | 偏好分 | 名次区间 |
|---|
自测工具：完成一件合格工作的实际成本
用你自己的任务、相同的资料和验收标准测试候选模型，把失败和重试的花费也算进去。
单任务实际成本 = 全部实际支出 ÷ 最终验收通过的任务数。
只在你的浏览器里计算，不发送也不保存。
数据变化
数据来源
每个数字都可以追溯到下列公开页面；读取日期见各条目。
Artificial Analysis ↗综合分、评测成本、单任务耗时、输出速度、首个答案时间
Arena (LMArena) ↗人类偏好分（文本榜）
各厂商官方页面发布日期、价格、开放范围、厂商自报成绩（链接见下方及模型详情）