एक स्पष्ट स्कोर। एक खुली कार्यप्रणाली।
स्रोत और कार्यप्रणाली
AIpediya रेटिंग मॉडल की गुणवत्ता, लागत और उपलब्ध संसाधनों को एक स्कोर में जोड़ती है। संख्या के साथ-साथ, हम बताते हैं कि सबूत इसका कितनी अच्छी तरह समर्थन करते हैं।
पैमाने को कैसे पढ़ें
0 से 100% तक: एक उच्च स्कोर गुणवत्ता, मूल्य दक्षता और लागू संसाधनों के एक मजबूत संयोजन को दर्शाता है। यह एक समग्र स्कोर है, एक परीक्षण पर सटीकता नहीं।
समान रेटिंग संदर्भ में मॉडल की तुलना करें। हम एक रैंक तभी दिखाते हैं जब पर्याप्त सबूत उपलब्ध हों।
तारांकन का क्या मतलब है
स्कोर के बगल में एक छोटा * अधूरा, अनुमानित या सीमित डेटा इंगित करता है। यह अनुमान में विश्वास का वर्णन करता है: यह देखने के लिए टूलटिप खोलें कि क्या शामिल है और क्या गायब है।
सत्यापित किया गया
कोई तारांकन नहीं: मुख्य साक्ष्य की पुष्टि की जाती है और स्कोर सत्यापन आवश्यकताओं को पूरा करता है।
आंशिक रूप से सत्यापित
कुछ सबूतों की पुष्टि हुई है; अनुमान में अंतराल बने हुए हैं।
अनुमानित
साक्ष्य विरल है; व्यापक आधारभूत अनुमानों का उपयोग किया जाता है।
अज्ञात का मतलब गरीब नहीं है। जब प्रत्यक्ष साक्ष्य गायब होते हैं, तो हम एक व्यापक अनिश्चितता अंतराल के साथ एक तटस्थ आधार रेखा का उपयोग करते हैं। मुख्य स्कोर केंद्रीय अनुमान बना हुआ है; एक रूढ़िवादी अनुमान आत्मविश्वास और नेता की तुलना को सूचित करता है।
तीन घटक, एक स्कोर
गुण
अनुमत परीक्षण परिणाम, सटीक मॉडल संस्करण और मूल्यांकन स्थितियों के लिए लेखांकन।
कीमत
तुलनीय मानक API लागत। मुफ्त होस्टेड API और स्थानीय निष्पादन को अलग-अलग माना जाता है।
उपयुक्त संसाधन चुनें
इस मॉडल प्रकार के लिए पुष्टि की गई संदर्भ क्षमता या प्रासंगिक संसाधन।
स्थानीय निष्पादन; लागत हार्डवेयर और बिजली पर निर्भर करती है
विवरण और स्रोत
यहां गणना नियम, सीमाएं और डेटा उद्गम हैं। किसी भी मॉडल पैनल को उसका पूरा ऑडिट देखने के लिए खोलें।
एक सार्वजनिक रेटिंग
सार्वजनिक AIpediya रेटिंग हमेशा BALANCEDका उपयोग करती है। संदर्भ तुलनीय कार्यों का वर्णन करते हैं; मॉडल प्रकारों में कोई सार्वभौमिक रैंकिंग नहीं है। गुणवत्ता-प्रथम और अर्थव्यवस्था प्रोफाइल भविष्य के संग्रह के लिए आंतरिक इंजन विकल्प बने हुए हैं।
अनुमत बाहरी साक्ष्य
विहित मास्टर सटीक मॉडल, कॉन्फ़िगरेशन, कार्य, धावक, संख्यात्मक परिणाम, दिनांक और स्रोत संग्रहीत करता है। स्वतंत्र बाहरी परिणाम और Arena प्राथमिकताएं कमजोर डेवलपर रिपोर्ट से अलग हैं। गैर-सार्वजनिक अनुसंधान, कंपोजिट, प्रतिस्थापित डुप्लिकेट और रद्द की गई अनुमतियों को बाहर रखा गया है। AIpediya बाहरी परिणामों को एकत्रित करता है और मूल्यांकन प्रयोगशाला संचालित नहीं करता है।
जमे हुए क्षमता पैमाना
मूल जमे हुए क्षमता टोकरी, आइटम गुणांक और पैमाने अपरिवर्तित हैं। नई अनुमोदित वस्तुओं के लिए कम से कम पांच सटीक जमे हुए-थीटा एंकर और परिशिष्ट-केवल रिज बाइंडिंग की आवश्यकता होती है। एक अनबाउंड आइटम को मास्टर में संग्रहीत किया जा सकता है लेकिन कभी भी चुपचाप स्कोर नहीं किया जा सकता है। एरिना ब्रैडली-टेरी रेटिंग और एजेंट IPS अलग-अलग जमे हुए ट्रांसफॉर्म के साथ अलग-अलग मेट्रिक्स हैं।
कैप्स और सटीक कॉन्फ़िगरेशन
फैमिली कैप 1.5 प्रभावी अवलोकन है; युग टोपी 6, अन्य रनर कैप 2। एरिना एक प्रभावी अवलोकन और सटीकता के 25% की अपनी टोपी रखता है। डेवलपर साक्ष्य कमजोर है और इसमें 20% सटीक शेयर कैप है। इंजन वस्तुनिष्ठ पारिवारिक कवरेज द्वारा एक सटीक कॉन्फ़िगरेशन चुनता है, फिर प्रयास। अलग-अलग प्रयास कभी भी पूल नहीं किए जाते हैं; एक अनिर्दिष्ट प्रयास का अनुमान नहीं लगाया जाता है।
एरिना और लाइवबेंच
एरिना केवल आधिकारिक lmarena-ai/leaderboard-डेटासेट से आता है हगिंग फेस पर, CC BY 4.0 एट्रिब्यूशन के साथ। कच्चे और शैली-नियंत्रित संस्करण और कुल/सबसिग्नल की दोहरी गिनती नहीं की जाती है। लाइवबेंच आधिकारिक रिलीज़/श्रेणी परिभाषाओं के साथ आधिकारिक तौर पर प्रकाशित कार्य परिणामों का उपयोग करता है। यह एक अलग उद्देश्य परिवार और स्वतंत्र बाहरी धावक है। केवल उप-कार्य आयात किए जाते हैं; श्रेणी और वैश्विक औसत को बाहर रखा गया है।
कीमत और लागू संसाधन
मानक होस्ट की गई API कीमतें मौजूदा जमे हुए एंकर और तुलनीय इकाइयों का उपयोग करती हैं। एक पुष्टि की गई स्थायी मुक्त होस्ट की गई API में C =1हो सकता है। सत्यापित तुलनीय के बिना स्थानीय भार TCO अर्थशास्त्र N/A/स्व-होस्ट किया गया है। संसाधन परिभाषाएँ संदर्भ पर निर्भर करती हैं: LLM टोकन संदर्भ, इनपुट सीमा TTS एम्बेड करना STT , ऑडियो अवधि, छवि रिज़ॉल्यूशन और वीडियो अवधि। अपुष्ट लागू संसाधन गायब हैं। स्कोर बढ़ाने के लिए कोई नया मनमाना संसाधन एंकर नहीं बनाया गया है।
प्रयोज्यता और वजन
प्रत्येक घटक लागू-ज्ञात, लागू-गुम या लागू नहीं है। N/A का कोई अनुमान नहीं है और शून्य वजन है, और इसे कवरेज भाजक से हटा दिया गया है। शेष BALANCED भार 78/16/6से सामान्यीकृत किए जाते हैं। लापता लागू घटक अपने मूल तटस्थ अनुमान और व्यापक अनिश्चितता को बनाए रखते हैं। N/A और अज्ञात विनिमेय नहीं हैं।
साक्ष्य द्वार
एक योग्य समग्र मॉडल को दो डोमेन में दो गैर-एरिना परिवारों की आवश्यकता होती है। एक संदर्भ के लिए पर्याप्त मॉडल, परिवार और बाहरी धावकों की आवश्यकता होती है। विशिष्ट संदर्भों के लिए अतिरिक्त रूप से मान्य विशिष्टता की आवश्यकता होती है। नए परिणामों को संग्रहीत करना स्वयं एक संदर्भ तैयार नहीं करता है। अस्वीकृत SWE-बेंच/CODE अनुसंधान को बाहर रखा गया है।
प्रदर्शित स्कोर और अनिश्चितता
प्रदर्शित रेटिंग लागू घटकों पर Q^wq × (0.2+0.8C)^wc × (0.3+0.7K)^wk 100 × केंद्रीय समग्र है। प्रत्येक स्नैपशॉट अपने मुखौटा, सटीक घटकों, आधार/प्रभावी वजन और स्पष्ट समायोजन को संग्रहीत करता है, जो वर्तमान में शून्य है। रनटाइम प्रजनन की पुष्टि करता है। दसवां प्रतिशतक एक अलग रूढ़िवादी आत्मविश्वास/सीमांत अनुमान है और प्रदर्शित स्कोर को कभी भी प्रतिस्थापित नहीं करता है।
परिशुद्धता, समर्थन और कवरेज
परिशुद्धता मिसफिट और प्रारंभिक-साक्ष्य समायोजन के बाद सांख्यिकीय अनिश्चितता का वर्णन करती है। समर्थन स्वतंत्र बाहरी धावक पथों की गणना करता है: ए कम से कम तीन, बी दो, सी कम। डेवलपर रिपोर्ट कभी भी स्वतंत्र पथ नहीं बनती हैं। कवरेज प्रासंगिक गुणवत्ता, लागू मूल्य/संसाधन, सटीक कॉन्फ़िगरेशन, बाहरी धावक विविधता और चौड़ाई का अंश है। एन/ए को बाहर रखा गया है; लापता सबूत आत्मविश्वास और तारांकन को प्रभावित करते हैं।
ताजगी
ताजगी स्नैपशॉट डेटा कटऑफ का उपयोग करती है, अनुरोध घड़ी का नहीं। मूल्य/API उपलब्धता सीमा 30/60 दिन, संसाधन 180/365, कॉन्फ़िगरेशन 90/180हैं। समय सीमा समाप्त हो चुके आवश्यक तथ्य अज्ञात हो जाते हैं। एक बेंचमार्क को अमान्य या रद्द की गई अनुमति के लिए बाहर रखा गया है, न कि केवल उम्र। स्नैपशॉट आयु एक अलग चेतावनी है।
संगत रैंक और सीमा
सटीक सार्वजनिक रैंक एक संगत संदर्भ में योग्य मॉडल तक सीमित है। 20% से नीचे का कवरेज सटीक रैंक को दबा देता है और सीमित डेटा के आधार पर स्कोर को लेबल करता है। रूढ़िवादी फ्रंटियर जमे हुए सार्थक अंतर डेल्टा थीटा 0.28 और मूल पात्रता द्वारों का उपयोग करता है। कैटलॉग संख्यात्मक छँटाई एक क्रॉस-कॉन्टेक्स्ट #N का आविष्कार नहीं करती है।
प्रतिलिपि प्रस्तुत करने योग्यता
बिल्ड मौजूदा थ्रेशोल्ड ज़ोन में 6,000 नियतात्मक मोंटे कार्लो ड्रॉ या 12,000 का उपयोग करता है। स्थिर रिकॉर्ड आईडी बीज को परिभाषित करते हैं। कैननिकल मास्टर परिवर्तनों के बाद वैज्ञानिक गणना ऑफ़लाइन चलती है; रनटाइम केवल JSON मान्य पढ़ता है। ऐतिहासिक स्नैपशॉट और मूल अंशांकन बाइट्स संरक्षित हैं।
तारांकन और सीमाएं
कोई तारांकन नहीं का मतलब है कि प्रासंगिक इनपुट और पुष्टि आवश्यकताओं को पूरा किया जाता है। आंशिक * का अर्थ है कि पुष्टि अधूरी है; अनुमानित * का मतलब है कि एक आवश्यक इनपुट अज्ञात है या गुणवत्ता एक पूर्व बनी हुई है। अज्ञात का मतलब बुरा नहीं है। एकल-कारक गुणवत्ता और प्रति-टोकन अर्थशास्त्र हर वास्तविक कार्य का प्रतिनिधित्व नहीं कर सकते हैं; वरीयता परिणाम वस्तुनिष्ठ बेंचमार्क नहीं बनते हैं।
कैटलॉग की पुष्टि कैसे की जाती है
AIpediya, AI मॉडलों और AI टूल्स का एक संपादकीय संदर्भ कैटलॉग है। मॉडल और टूल्स अलग-अलग कैटलॉग हैं, जिनकी अपनी क्रमांकन व्यवस्था, फ़िल्टर और कार्ड हैं। यह एक चुना हुआ संग्रह है, मौजूद हर मॉडल की पूरी रजिस्ट्री नहीं।
स्रोत और जाँच की तिथियाँ
हर प्रविष्टि स्रोतों पर आधारित है: सबसे पहले डेवलपर का आधिकारिक दस्तावेज़ीकरण, घोषणा, मॉडल कार्ड या मूल्य पृष्ठ; विश्वसनीय द्वितीयक स्रोत केवल तभी, जब कोई आधिकारिक स्रोत मौजूद न हो। हर कार्ड अपने स्रोत का लिंक देता है और दिखाता है कि किसी संपादक ने उसे आखिरी बार कब जाँचा। जाँच की तिथि रिलीज़ तिथि नहीं है और न ही AIpediya द्वारा किया गया कोई परीक्षण।
क्या प्रकाशित होता है
Publication requires reviewed evidence of the product's existence and identity. Unresolved existence or identity questions keep a candidate in the internal review queue. A real product may remain public with unknown prices, dates or origins, explicitly distinguished from confirmed data. Removing a record from publication preserves its history.
रिलीज़ तिथियाँ और कैटलॉग संख्याएँ
सटीक रिलीज़ तिथि केवल तभी दिखाई जाती है जब कोई स्रोत उसकी पुष्टि करे। अन्यथा सार्वजनिक अस्तित्व की सबसे पहली विश्वसनीय तिथि ≈ चिह्न के साथ, महीने या दिन की सटीकता में दिखाई जाती है। अज्ञात तिथियाँ खाली रहती हैं और ऐसी प्रविष्टियाँ कालानुक्रमिक क्रम में सबसे अंत में आती हैं। कैटलॉग संख्याएँ सत्यापित रिलीज़ तिथियों के अनुसार सबसे पुरानी से सबसे नई तक चलती हैं; एक ही तिथि की रिलीज़ नाम के अनुसार क्रमबद्ध होती हैं।
कीमतें
कीमतें प्रदाता द्वारा प्रकाशित सूची कीमतें हैं, जो अमेरिकी डॉलर में और इकाई के साथ बताई जाती हैं, जैसे प्रति 10 लाख इनपुट टोकन, प्रति इमेज, वीडियो के प्रति सेकंड या प्रति माह। इनपुट और आउटपुट टोकन, बैच, ऑफ-पीक और अन्य स्तर उनकी शर्तों के साथ अलग-अलग रखे जाते हैं। फ्री टियर का अर्थ मुफ़्त और असीमित API एक्सेस नहीं है, और सब्सक्रिप्शन किसी एक मॉडल संस्करण का नहीं, बल्कि किसी सेवा का होता है। कर, कोटा और क्षेत्रीय शर्तें अंतिम लागत बदल सकती हैं। अज्ञात कीमत खाली रहती है, कभी शून्य नहीं।
मूल देश
Confirmed origins identify documented countries of the organizations or independent teams responsible for a product, with sources. More than one country can apply. A tentative origin is separately labeled and supported by the available evidence; it is not a confirmed country. An unknown origin does not by itself hide a real product.
स्वतंत्र मूल्यांकन
केवल एक ही बेंचमार्क और प्रोटोकॉल के परिणाम तुलनीय हैं। प्रत्येक परिणाम मूल्यांकनकर्ता, बेंचमार्क, कॉन्फ़िगरेशन, स्नैपशॉट और चेक तिथि का नाम देता है। डेवलपर परिणाम स्वतंत्र रन और समग्र अनुक्रमणिका से अलग होते हैं। तृतीय-पक्ष परिणामों के लिए सत्यापित सटीक मॉडल पहचान और प्रकाशित करने की अनुमति की आवश्यकता होती है। AIpediya रेटिंग v1.0 की गणना अनुमत साक्ष्य से अलग की जाती है; इसके संदर्भ और सीमाएं नीचे बताई गई हैं।
ओपन वेट्स और लाइसेंस
ओपन वेट्स का अर्थ है कि वेट्स को डेवलपर द्वारा बताए गए लाइसेंस के तहत डाउनलोड किया जा सकता है। यह ओपन सोर्स के समान नहीं है, और किसी मॉडल को लोकल रूप से चलाने के लिए फिर भी हार्डवेयर और ऊर्जा की ज़रूरत होती है।
अज्ञात मान और परस्पर विरोधी स्रोत
अज्ञात को खाली दिखाया जाता है, कभी शून्य या “नहीं” के रूप में नहीं। जब स्रोत आपस में सहमत न हों या किसी मान की पुष्टि न हो सके, तो वह मान खाली रहता है या प्रविष्टि समीक्षा में बनी रहती है; मानों का कभी औसत नहीं निकाला जाता और न ही उनका अनुमान लगाया जाता है।
अपडेट और अनुवाद
The owner directs research assisted by AI agents and automated consistency checks, and approves publication. Reviewed batches update records, prices, facts and evaluations; an internal history preserves changes. Daily verification of every source is not guaranteed. English and Russian are the authored source languages. Other translations follow the existing pipeline; missing or outdated primary translations fall back to English and prevent indexing of that locale until ready.
Personal features and public access limits
A public general-purpose API and a public per-record revision log are not available. Personal saved models and tools, subscriptions, notifications and product discussions are available through the existing account features; they are separate from the catalog's evidence and rating calculations.
संदर्भ और डेटा स्नैपशॉट
के रूप में डेटा 2026-11-03 · कार्यप्रणाली पाठ संस्करण v1.0
कैटलॉग की पुष्टि कैसे की जाती है
प्रत्येक परिणाम अपने स्रोत, बेंचमार्क, मॉडल संस्करण और रन शर्तों को बरकरार रखता है। हम प्रकाशन के लिए केवल अनुमत डेटा का उपयोग करते हैं; डेवलपर परिणाम स्वतंत्र मूल्यांकन से अलग दिखाए जाते हैं।
Epoch AI ↗ · LMArena ↗ · LiveBench ↗
मॉडल: 466 · टूल: 186