模型
怎么算的
这张榜只有两件事需要解释:价格从哪来,评分怎么来。两件事都宁可留空,也不填一个看起来合理的数。
价格
- 只取厂商公布的官方美元价,经由 Artificial Analysis 的公开价格数据汇总;不取中转站、渠道商和聚合商的加价。
- 单位统一成人民币 / 百万 tokens,按 1 USD = 6.67 CNY 折算(固定汇率,2026-11-11 起用)。表里不混两种币。
- 三栏分别是缓存命中价、输入价、输出价。缓存写入、存储、批量推理折扣、订阅费用都不折进这三栏,另写在模型的备注里。
- 有高峰/空闲两档、限时优惠、超长上下文加价的,表里写常规或空闲时段价,并在备注里说明触发条件。
- 每条价格都有核实日期(当前是抓取当天)。厂商没公布价格的,页面显示「待核」,不估数字。
评分
原始成绩来自第三方评测机构(Artificial Analysis 的公开评测,固定 37 项),本站只做两步加工: 先把每项成绩折算成 0–100,再按领域取平均,最后按固定权重加权成综合分。
- 只用第三方评测机构的公开成绩,厂商自己公布的分数不计。
- 领域权重:编程 38%、科研 19%、专业办公 19%、知识问答 14%。真人盲选一项(LMArena 这类持续投票的 Elo 排名)没有项数与覆盖率,也没有固定换算关系,不进综合分,剩余四项按比例归一。
- 少数评测给的是原始分(比如 GDPval 满分 1866 而不是 1),按该项最高分归一后再计入,避免把某一项放大成几百倍。
- 同一个模型的多个思考档位(Max / Xhigh / High / Medium / Low)只留综合分最高的一档,其余不重复占位。
- 要标出评测覆盖:37 项里只测了 10 项和测满 30 项,可比性完全不同。表里的「覆盖」列就是实际参与项数与覆盖率,覆盖不足的请当参考而不是名次。
- 两个模型分差在 3 分以内时不排名次先后,只说「同一档」。
录入与更新
数据都在modules/market/data.ts的 MODELS 里,一行一个模型。新增模型就加一条;改价格时同时改price与priceCheckedAt;有评测成绩就填score与evals。页面在服务端按文件渲染,改完刷新即可。
这张榜不做什么
- 不预测价格和排名,不给「即将发布」的模型留位置。
- 不把不同上下文长度、不同思考模式的调用混成一个分数。
- 不因为某个模型在你自己的渠道上更便宜就把它往前排——这是官方价榜,渠道价另说。