AI 大模型综合排行榜

把多方公开测评规范化后加权合成，缺项只在已有来源之间重分配权重，不用 0 分填空。

140 个模型系列（同一系列只展示成绩最好的变体）

数据来源

• LMArena 文本对战（风格控制） — 官方 Arena 排行数据集 text_style_control / latest。分数为 Arena Score（Bradley-Terry）。
• LMArena 网页开发对战 — 官方 webdev / latest，衡量前端与网页生成对战表现。
• LMArena 视觉对战（风格控制） — 官方 vision_style_control / latest。
• LMArena 文生图对战 — 官方 text_to_image / latest。
• LMArena 文生视频对战 — 官方 text_to_video / latest。
• LMArena 智能体对战 — 官方 agent / latest 聚合分。
• Artificial Analysis Intelligence Index — 来自官方公开榜单页的 Intelligence Index、每任务成本、每任务耗时与首 token 延迟。
• LiveBench 2.0 — 官方 CSV 成绩。综合分按官网公式计算：Long Agentic ×2、Design ×1.5、Coding ×1.5，其余套件 ×1，再对已有套件做加权平均。
• Aider Polyglot — 官方 polyglot_leaderboard.yml，指标为第二轮通过率（pass_rate_2，225 道跨语言习题）。同一模型多次提交取最高分。
• SWE-bench Verified（mini-SWE-agent） — 官方 leaderboards.json 中 Verified 榜、mini-SWE-agent 协议下的 resolved 百分比，便于在相近脚手架下比较模型。不同智能体的成绩不可直接混比，本站综合编程分只采用该协议。
• SuperCLUE 中文通用榜 — 官方通用榜 Excel（按月份发布）中的总分及分项。

常见问题

这些分数是怎么来的？

全部来自公开测评或官方发布的机器可读数据，每一项都标注来源链接和日期。本站不编造分数，也不把缺项当成 0 分。

综合分如何计算？

先把各来源分数在该来源内部做最小-最大规范化，再按 Artificial Analysis 28%、LMArena 文本对战 28%、LiveBench 22%、编程综合 15%、推理综合 7% 加权。缺少某项时，只在已有项之间重新分配权重。至少要有两项主流测评（或三项分项）才会进入综合榜。同一系列多个变体只保留综合分最高的一条。

本站价格和评测是一回事吗？

不是。评测分数来自第三方公开榜单；人民币价格是本站模型目录的参考价（1 元 = 1,000 积分），按实际用量结算。二者分开展示，避免把计费和能力混为一谈。

多久更新一次？

采集任务每天自动运行。来源本身可能不是每天都发布新成绩，所以页面会同时给出本站采集时间和来源发布日期。