常见问题解答

每个模型都有一个 Podium 得分（0–100）：35% 竞技场 Elo、30% 基准均值、20% Artificial Analysis 智能指数、15% LLM Stats 综合分 — 在五个独立榜单上标准化后混合计算。

我们每周重新同步所有五个来源。重大模型发布会立即触发更新周期。每个页面都显示上次刷新日期。

我们聚合五个公开榜单：Arena.ai（竞技场 Elo）、Artificial Analysis（智能指数与性能）、LLM Stats、Vellum 和 LLMBase。价格来自各提供商官方文档。

Podium 得分是四个标准化信号的加权平均：竞技场 Elo（35%）、基准均值（30%）、智能指数（20%）和 LLM Stats 得分（15%）。缺失的信号会在其余来源中重新加权。详见方法论页面。

并非所有模型都经过每个基准的测试 — 有些基准要求特定能力（如 MMMU 需要视觉能力），或尚未对较新的模型运行。不可用的数据显示为 "—"。

可以！访问对比页面，最多选择 4 个模型，即可查看所有指标的并排明细，包括基准、价格、速度和延迟。

竞技场 Elo 是来自众包偏好对战的评分：两个匿名模型回答同一提示词，人们投票，投票以置信区间更新 Elo 式评分。它是我们排名中最大的单一信号。

我们展示每百万 token 的输入和输出价格，直接来自各提供商的官方 API 定价页面。Value 类别将两种价格混合 — 越低越好。

当然。我们跟踪 DeepSeek、阿里巴巴（Qwen）、月之暗面（Kimi）、智谱（GLM）、MiniMax、百度等的闭源和开放权重模型。开放权重模型在 /leaderboard/open 有独立榜单。

TTFT 衡量从发送请求到收到响应第一个 token 所需的时间。越低越好。对注重响应速度的交互式应用来说，这是一个关键指标。

我们的榜单数据来源于公开基准。复用条款请查看各基准的许可。机器可读的摘要在 /llms.txt。

当提供商更新模型时，我们根据变化的重要性更新现有条目或新建条目。退役模型保留最后的已知得分并标记为 "legacy"。