方法论

1. 数据来源与截止日期

• 本站没有自动抓取。所有分数、价格、规格都是仓库里的静态文件（data/models/*.json、data/scores.json），由维护者手工更新后重新构建。
• 每条分数带 source、source_url、as_of、evidence。页面上任何数字都能追溯到这四项，或明确标「估计」/「未披露」。
• 当前快照数据截止 2026-10-16，站点构建于 2026-10-16。

分数与价格为仓库内手工维护的静态快照，来源与日期见每条记录。2026-10-16 为 NVIDIA 3.5 代补齐阶梯并收录两家开源旗舰：新增 Nemotron 3.5 Super VL 120B-A12B（2026-10-15，OpenMDW-1.1 的 120B / 12B 激活混合 Mamba-MoE 视觉语言模型，1M 上下文，C-RADIO 视觉编码器 + 原生 MTP，权重 / 数据 / 配方全开，NVFP4 可单卡 H200 或单台 DGX Spark 开满 1M），Nemotron 3 Super 120B-A12B 相应翻 superseded（Super VL 官方模型卡明写语言骨干从 Nemotron 3 Super Base 初始化，NVIDIA 发布博客的当前家族阵容已换成「Super VL 与 Bolt 加入 Lightning 和 Ultra」；权重仍开源可自建，Nemotron 3 Ultra 不动）；新增 Nemotron 3.5 Bolt 74B-A9B 24GB（上一轮因权重未上线而推迟，今日补上 —— 用 Star Elastic 把「低于 24GB」写进架构搜索目标函数，技术报告把 22.01GB 权重 + 0.87GB 运行态 + 0.96GB 草稿头逐项摊开，256K 上下文）；新增 Meta Muse Spark Open 816B-A42B（2026-10-15，816B / 42B 激活原生四模态 MoE，1M 上下文，与在售闭源 Muse Spark 1.3 共用同一基座、多做一轮安全后训练，Muse Model License 要求署名「Built with Muse Spark Open」且 MaaS 营收超 2,000 万美元须单独签协议，故记 restricted；Muse Spark 1.3 保持 current，它是同基座的闭源 API 档位而非被替代方）；新增蚂蚁 inclusionAI Ling-3.1-flash（2026-10-15 权重开放，纯 MIT 的 560B / 25B 激活混合线性 MoE，63 层 KDA + 9 层 Gated MLA，1M 上下文 —— 本站 10-13 曾因许可说法不一拒收，今日 HF 官方仓库与模型卡均确认 MIT）。同日 Step 5 Preview 从 api-only 翻为 open-weights：官方 HF 组织上线 FP8 / BF16 / NVFP4 三份，许可确认为 StepFun Model License 1.0，license_commercial 由 true 改为 restricted（硬件厂商设备内置与营收超 2,000 万美元的 MaaS 须单独签商业协议），status 保持 preview，定价不变。新增 2026-10-16 分数快照层（Super VL 六项、Bolt 三项、Muse Spark Open 两项官方分数）；Ling-3.1-flash 不产生分数行 —— 官方模型卡的评测一节只点名基准清单、未给任何可引用数值。未入库：Bolt E4B 4GB 官方排期 10-23；LMArena 对 Gemini 4 Argon 与 muse-wonder-max 的读数仍被标为 Preliminary，arena 列不收；AA 对 Super VL 的 26 分与 Muse Spark Open 官方表引的 AA 39 分别为 v4.3.x 与未标版本口径，与本站 aa 列不可混比，只写在模型页。2026-10-15 补录 NVIDIA Nemotron 3.5 Lightning 30B-A3B（2026-08-11 发布，OpenMDW-1.1 的 31.6B / 3.6B 激活混合 Mamba-2 + MoE，1M 上下文，权重 / 训练数据 / 配方全开，NVFP4 实测 21.6GB 可进 24GB），Nemotron 3 Nano 30B-A3B 相应翻 superseded；同日修正 10-13 那次误建的 Muse Glimmer 重复条目：删除 muse-glimmer（本站 2026-08 起已有 muse-glimmer-30b，complete: true），2026-10-13 分数快照层随之清空。2026-10-14 新增 Gemini 4 Argon（2026-09-30 公布、2026-10-13 16:00 UTC 全量开放；引导价 $2 / $10 至 2026-11-30，12-01 起 $4 / $20；1M 输入输出合一窗口），Gemini 3.1 Pro 相应翻 superseded；同日新增 Liquid AI LFM2.5-24B-A2B 并补录此前漏收的 Thinking Machines Inkling（2026-07-15，Apache 2.0 的 975B / 41B 多模态开源权重）。2026-10-13 新增 Meta Muse Wonder 与 Muse Wonder Full 并补录 Muse Glimmer 30B。2026-10-12 补录阶跃 Step 5 Preview 与 JetBrains Mellum2.1。2026-10-11 新增 Mistral Large 4 公开预览条目，GLM-5.3-Flash 定价回到官方列表价。2026-10-10 新增 GPT-6.1 Sol、Claude Haiku 5.5、Claude Mythos 5.1 与 Aleph Alpha Kolibri 1，GPT-6 Sol 与 Haiku 4.5 相应翻 superseded，Sonnet 5.5 缓存读价格减半。2026-09-29 新增 Claude Sonnet 5.5 与小米 MiMo-V2.6-Pro / Flash，Sonnet 5 与 MiMo-V2.5 相应翻 superseded。2026-09-28 补录 8 月底至 9 月的发布（Claude Fable 5.1 / Opus 5.5、GPT-6 Astra / Sol / Luna、Gemini 3.8 Flash、Grok 4.7、DeepSeek-V4.1-Flash、Qwen3.8-Max-0902、Muse Spark 1.3、腾讯 Hy4 预览），被替代的旧条目已翻 superseded 并保留历史快照供对照。AA 指数为 v4.x 口径，旧代模型的 v3 指数已移除以免混比；Terminal-Bench 列统一为 2.0 / 2.1 口径，9 月机型大量公布的 Terminal-Bench 3.0 / 4.0 未并入该列，详情见各模型页。

2. 综合参考分怎么算

「综合参考分」只是默认排序键，不是真理。榜单同时展示 Arena Elo、AA 指数、代码、推理等原始分，详情页列出全部来源。

score = 0.35 × norm(independent_index)
      + 0.25 × norm(arena_elo)
      + 0.20 × norm(coding)
      + 0.20 × norm(reasoning)

independent_index = Artificial Analysis Intelligence Index
arena_elo         = LMArena Text Elo (style control)
coding            = SWE-bench Verified，缺则 LiveCodeBench
reasoning         = GPQA Diamond，缺则 HLE

• norm：在当前榜单集合（综合 / 开源 / 闭源分别）内做 min-max 归一到 0–100。开源榜与闭源榜分别归一化，避免开源被闭源绝对值压死；综合榜用全集归一化。
• 缺项：该分量不计入，权重按现有项重分配，并在表格里标「部分」。已有分量权重之和 < 0.45（即只有一个分量）时不给参考分，只显示原始分，避免单一厂商数字把模型顶到榜首。
• 场景榜：对应场景权重提到 0.55，其余三项均分 0.45。
• 性价比：score / log10(输入价格 × 10 + 2)，只含有公开价格的模型。开源模型若无官方 API，使用第三方托管常见价并标「托管」。
• 单卡可跑：开源 + Q4 权重 × 1.1 ≤ 24 GB。
• 同分：先比独立复测条数，再比更新日期，再比名称字母序。

3. 开源 / 闭源分列

同时满足以下两条进「开源」：权重可下载；weights_available = true。仅 API、或「承诺开源但未放权重」归入闭源。许可证另列，「开源权重」≠「OSI 开源许可」≠「可商用」，见 架构图鉴 · 开源权重 vs 开放许可证。

4. 证据等级

等级	含义	UI
official	厂商公布（模型卡 / 发布公告）	○ 灰
independent	第三方独立复测（LMArena、Artificial Analysis 等）	● 绿
community	社区复测或本站估算	◐ 黄
unknown	缺失	—

厂商自称的数字一律标 official，不写成独立复测。

5. 显存估算假设

weight_mem ≈ params_b × bytes_per_param × 1.08
kv_mem     ≈ layers × kv_heads × head_dim × 2 × seq × batch × dtype_bytes × 1.2

bytes_per_param：BF16 2 · FP8 1 · Q8 1.06 · Q6 0.8 · Q5 0.69 · Q4 0.58。有官方 / 社区文件大小时优先用实际值。MLA 按 576 维潜向量等效；混合线性注意力只对全注意力层计 KV；滑窗模型只计全局层。缺层数 / 头数 → 「KV 未建模」。

5.1 硬件配置与吞吐估算

占用       = 权重(量化) + KV(上下文) + 1.2 GB × 卡数
解码 tok/s = 带宽 × 卡数 × eff ÷ (激活参数 × 每参数字节 + KV/token × 上下文)      eff：单卡 0.65 / 多卡 0.55 / 统一内存 0.5
预填充     = FP16 TFLOPS × 卡数 × 0.45 ÷ (2 × 激活参数)

显卡规格在 data/hardware.json。「最低可跑」= 8K 上下文下最便宜的可行配置；「推荐」= 能以 ≥Q8/FP8 跑 32K 上下文且 ≥15 tok/s 的最便宜配置。MoE 解码只读激活参数，权重全部驻留显存。误差 ±30%，多卡 PCIe 环境再打折。

6. 「未披露」政策

闭源模型的参数量、层数、架构一律写「未披露」，不猜、不引用传闻。厂商官方明确说过的（如「稀疏 MoE」「超过 1T」）按原话写并注明。

7. 收录的基准

• LMArena Text Elo（人类偏好 Elo，arena）：LMArena 文本盲测人类偏好，style control 版。
• Artificial Analysis Intelligence Index（AA 综合指数，overall）：Artificial Analysis 第三方综合评测指数（v4.x，2026-08 口径）。
• SWE-bench Verified（真实仓库修 bug，coding）
• LiveCodeBench（竞赛编程，coding）
• GPQA Diamond（研究生级科学问答，reasoning）
• Humanity's Last Exam（人类最后考试，reasoning）：无工具版本除非标注。
• AIME 2025（美国数学邀请赛，math）
• τ²-bench（工具调用 agent，agent）
• Terminal-Bench（终端 agent，agent）：终端 agent 任务完成率。2026 年厂商多报 Terminal-Bench 2.1，旧条目为 2.0，版本混用请看来源。
• MMMU（多模态理解，multimodal）
• LMArena Chinese Elo（中文人类偏好 Elo，chinese）
• AIME 2026（美国数学邀请赛 2026，math）
• Terminal-Bench Hard（终端 agent（AA 困难子集），agent）：Artificial Analysis 统一复测的 Terminal-Bench 困难子集。
• τ²-Bench Telecom（工具调用 agent（电信域），agent）
• MMMU-Pro（多模态理解（Pro），multimodal）
• SciCode（科学计算编程，coding）
• IFBench（指令遵循，knowledge）
• τ³-Bench Banking（工具调用 agent（银行域），agent）：Artificial Analysis 指数 v4 的 agent 分量。

8. 更新与联系

数据更新 = 改仓库 JSON → 重新构建 → 部署。发现错误请在仓库提 issue / PR。