ai模型排名网站

想跟模型进度，很多人第一反应是搜个排名表，结果打开发现同一家模型在三个站上名次差一截，不知道该信谁。这篇不给你结论，只给一份可查排名的网站分类清单和看榜流程：哪些站看综合、哪些看单科、哪些看真实调用量，以及每次看要固定记哪几项，方便你自己隔段时间回看变化。

想跟模型进度，很多人第一反应是搜个排名表，结果打开发现同一家模型在三个站上名次差一截，不知道该信谁。问题不在你看得不够多，而在你把不同口径的榜单当成了同一把尺子。综合榜按赛道加权，单科榜只测一类任务，调用量榜排的是「大家在用什么」，三者的排序逻辑根本不是一回事，硬凑在一起比名次没有意义。

这篇不给你结论，只给一份可查排名的网站分类清单和看榜流程：哪些站看综合、哪些看单科、哪些看真实调用量，以及每次看固定记哪几项，方便你自己隔段时间回看变化。榜单数字会一直变，所以正文里不写具体名次，数字一律到站内对应页面核对当时的情况。

先搞清几类排名站，各有各的用处

把排名站先按「它评的是什么」分类，比按网站名气分类有用得多。分类的目的不是让你记住站名，而是让你打开一个榜之前就知道它能回答什么问题、不能回答什么问题。下面这张对照表可以当筛选器用。

• 综合榜覆盖对话、推理、代码、多模态多条赛道，适合看整体位置，但赛道权重由运营方定，榜单换权重名次就跟着换
• 单科榜只评一类任务，比如代码、多模态、嵌入、语音，看细分能力比综合榜准，缺点是覆盖的模型数量少
• 调用量或热度榜按真实请求量排，反映的是「大家在用什么」而不是「谁更强」，这两个答案经常对不上
• 把站内 /benchmarks 与 /benchmarks/registry 当索引用，先看收录了哪些榜、各自的评测口径，再决定点进哪个

看榜前先固定四件事，否则前后对比没意义

很多人看榜只记了名次，过两周回来发现全变了，又说不出哪里变了。原因是你没有在同一组条件下比对。下面四件事每次看榜都固定记下来，之后回看才有信息量。

1. 记榜单名和评测方式人工投票、自动判分、众测交叉是三种完全不同的东西。写下它是哪一种，再去站内 /benchmarks/registry 看这个榜的口径说明，确认自己理解没跑偏
2. 同一模型跨榜对比不要跨站直接比名次，而是回站内 /benchmarks 找同一个模型的多个榜，看它在不同口径下是稳还是飘。名次差很大时，先怀疑题目饱和或有自评分环节
3. 拆开排名和可信度名次讲的是能力，可信度讲的是服务稳不稳，这是两件事。服务层面的判断去 /rankings 单独看，别把两个维度的信息揉成一句结论
4. 遇到跳变先怀疑榜单某个模型短期名次大增，第一反应应该是榜单换题、换权重或改了采样范围，而不是它一夜之间变强。去找榜单的变更记录，找不到就把它当噪声

把一个榜看懂，比把十个榜刷一遍更有用。

给自己定个跟踪节奏，比每天刷榜有用

榜单每天都在动，大部分波动是噪声，天天刷只会让你对变化脱敏。真正有用的做法是固定周期、固定赛道、固定记录项，让每次回看都能得出一个可比较的结论。下面这套节奏可以直接照搬，也可以按你的项目周期调整。

• 固定周期看一次，比如两周或一个月，频率再高只会被噪声干扰判断
• 只看你真正会用到的两三个赛道，其余赛道的名次变化跟你的选型无关
• 每次记录三样：榜上位置、你自己在意的单项表现、当前是否可调用，有些模型上了榜但接口暂时拿不到
• 想拉平不同来源的口径，就回站内 /benchmarks 对照同一模型的多个榜，而不是在两张不同表之间直接比名次

如果你要的不是能力排序而是价格或额度情况，跟踪节奏应该换一套，去 /official-api 和 /ai-nav/category/ai-api 这类比价入口看当时的数字，别用排名站的节奏去追价格。

什么情况下不用看排名站

排名站解决的是「同类任务上谁更靠前」，如果你的问题不是这个，那看榜就是浪费时间。下面几种情况，直接走别的入口更省事，判断标准写清楚，方便你对号入座。

任务非常垂直

某行业文档、某类内部数据，公开榜上根本没有对应题目，看了也解决不了问题，该自己做小样本试跑

已有明确候选

只想比价格和额度，去 /official-api 和 /ai-nav/category/ai-api 这类比价入口，不是榜单

要判断长期稳定性

排名帮不上忙，得看 /ai-status 这类运行状态页的历史表现

只做一次性小任务

随手试两三个顺手的就行，先查榜反而拖慢进度

反过来说，只要你的问题是「同类任务里谁更靠前、这个判断过一段时间还成不成立」，那排名站就是对的工具。关键在于把它当趋势参考，而不是当结论。