Net bir skor. Açık bir metodoloji.
Kaynaklar ve yöntem
AIpediya Derecelendirmesi, model kalitesini, maliyeti ve mevcut kaynakları tek bir puanda birleştirir. Sayıların yanında, kanıtların bunu ne kadar iyi desteklediğini açıklıyoruz.
Ölçeği nasıl okururlar
0'den %100'e kadar: daha yüksek puan, kalite, fiyat verimliliği ve uygulanabilir kaynakların daha güçlü bir kombinasyonunu yansıtır. Bu, tek bir testte doğruluk değil, bileşik puandır.
Aynı değerlendirme bağlamında modelleri karşılaştırın. Yeterli kanıt bulunduğunda sıralama gösteriyoruz.
Yıldız işareti ne anlama geliyor
Puanın yanında küçük bir * işareti eksik, tahmini veya sınırlı veriyi gösterir. Tahmine olan güveni tanımlar: araç ipucunu açın, neyin içerdiğini, neyin eksik olduğunu görün.
Doğrulandı
Yıldız işareti yok: önemli kanıt doğrulanmış ve puan doğrulama gereksinimlerini karşılıyor.
Kısmen doğrulandı
Bazı kanıtlar doğrulanmıştır; tahminde boşluklar kalmıştır.
Tahmini
Kanıtlar azdır; geniş temel tahminler kullanılır.
Bilinmeyen fakir anlamına gelmez. Doğrudan kanıt eksikse, geniş bir belirsizlik aralığı olan nötr bir temel kullanırız. Ana puan merkezi tahmin olarak kalır; muhafazakar bir tahmin, güven ve lider karşılaştırmalarını şekillendirir.
Üç bileşen, bir nota
Kalite
İzin verilen test sonuçları, tam model versiyonu ve değerlendirme koşulları dikkate alındı.
Fiyat
Karşılaştırılabilir standart API maliyet. Ücretsiz barındırılan API ve yerel uygulama ayrı ayrı ele alınır.
Kaynaklar
Bu model türü için onaylanmış bağlam kapasitesi veya ilgili kaynak.
Yerel uygulama; maliyet donanım ve elektriğe bağlıdır
Detaylar ve kaynaklar
İşte hesaplama kuralları, sınırlamalar ve veri kaynağı. Herhangi bir model panelini açın ve tam denetimini görebilirsiniz.
Bir halka açık reyting
Kamu AIpediya Derecelendirmesi her zaman BALANCEDkullanır. Bağlamlar karşılaştırılabilir görevleri tanımlar; model türleri arasında evrensel bir sıralama yoktur. Kalite önceliği ve ekonomi profilleri, gelecekteki koleksiyonlar için iç motor seçenekleri olarak kalır.
İzin edilen dış kanıtlar
Kanonik ana yapı tam model, yapılandırma, görev, koşucu, sayısal sonuç, tarih ve kaynağı saklar. Bağımsız dış sonuçlar ve Arena tercihleri, daha zayıf geliştirici raporlarından ayrıdır. Kamuya açık olmayan araştırmalar, kompozitler, yerine geçmiş kopyalar ve iptal edilmiş izinler hariç tutulur. AIpediya harici sonuçları toplar ve bir değerlendirme laboratuvarı işletmez.
Dondurulmuş yetenek ölçeği
Orijinal dondurulmuş yetenek sepeti, eşya katsayıları ve ölçek değişmemiştir. Yeni onaylanmış eşyalar için en az beş tam dondurulmuş theta çapası ve sadece eklenebilir sırt bağlama gereklidir. Bağlanmamış bir eşya ana sistemde saklanabilir ancak sessizce puanlanmaz. Arena Bradley-Terry derecelendirmeleri ve Agent IPS ayrı metrikler ve ayrı dondurulmuş dönüşümlerdir.
Kapaklar ve tam konfigürasyonlar
Aile kapsası 1.5 etkili gözlemlerdir; Dönem kapsası 6, diğer koşucu kapsası 2. Arena, bir etkili gözlem ve % 25hassasiyet sınırını korur. Geliştirici kanıtı daha zayıftır ve % 20hassasiyet paylaşım sınırına sahiptir. Motor, nesnel aile kapsamına göre kesin bir konfigürasyon seçer, ardından çaba gösterir. Farklı çabalar asla birleştirilmez; belirsiz bir çaba çıkarılmaz.
Arena ve LiveBench
Arena, yalnızca Hugging Face'teki resmi lmarena-ai/liderboard-veri setinden gelir ve CC BY 4.0 atıflamayla. Ham ve stil kontrollü sürümler ile toplam/alt sinyaller çift sayılmaz. LiveBench, resmi yayın/kategori tanımlarıyla birlikte resmi yayımlanmış görev sonuçlarını kullanır. Ayrı bir hedef ailesi ve bağımsız harici koşucudur. Yalnızca alt görevler içe aktarılır; kategori ve küresel ortalamalar hariçtir.
Fiyat ve geçerli kaynaklar
Standart barındırılan API fiyatları mevcut dondurulmuş çapaları ve karşılaştırılabilir birimleri kullanır. Onaylanmış kalıcı ücretsiz ev sahibi API C=1olabilir. Doğrulanmış karşılaştırılabilir TCO olmayan yerel ağırlıklar ekonomi açısından N/A/kendi barındırma özelliğine sahiptir. Kaynak tanımları bağlama bağlıdır: LLM token bağlamı, gömülü giriş sınırı, TTS giriş limiti, STT ses süresi, görüntü çözünürlüğü ve video süresi. Onaylanmamış uygulanabilir kaynaklar eksik kalır. Puan yükseltmek için yeni rastgele kaynak çapları oluşturulmaz.
Uygulanabilirlik ve ağırlıklar
Her bileşen uygulanabilir-bilinen, uygulanabilir eksik veya uygulanmazdır. N/A'nın tahmini yoktur ve sıfır ağırlığı vardır ve kapsama paydasından çıkarılmıştır. Kalan BALANCED ağırlıklar 78/16/6normalleştirilir. Eksik uygulanabilir bileşenler orijinal nötr tahminlerini ve geniş belirsizliklerini korur. N/A ve bilinmeyen kelimeler birbirinin yerine geçemez.
Kanıt kapıları
Nitelikli bir Genel model, iki alanda iki Arena dışı aileye ihtiyaç duyar. Bir bağlam için yeterli modeller, aileler ve dış koşucular gereklidir. Uzmanlaşmış bağlamlar ayrıca doğrulanmış ayırt edicilik gerektirir. Yeni sonuçların depolanması kendi başına bir bağlamı hazır yapmaz. Onaylanmamış SWEbench/CODE araştırmaları hariç tutulur.
Gösterilen skor ve belirsizlik
Gösterilen Derecelendirme, Q^wq × (0.2+0.8C)^wc × (0.3+0.7K)^wk ( geçerli bileşenler üzerinde merkezi bileşik 100 × bileşendir. Her anlık görüntü, maskesini, kesin bileşenlerini, baz/etkili ağırlıklarını ve açık ayarını şu anda sıfır olarak saklar. Çalışma süresi çoğaltmayı doğrular. Onuncu yüzde dili, ayrı bir muhafazakar güven/sınır tahminidir ve gösterilen puanı asla değiştirmez.
Hassasiyet, Destek ve kapsama
Hassasiyet, uyumsuzluk ve erken kanıt ayarlamalarından sonra istatistiksel belirsizliği tanımlar. Destek, bağımsız dış koşucu yollarını sayar: A en az üç, B iki, C daha az. Geliştirici raporları asla bağımsız yol haline gelmez. Kapsama, ilgili kalite, geçerli fiyat/kaynak, kesin yapılandırma, harici koşucu çeşitliliği ve genişliğinin oranıdır. N/A hariç tutulur; eksik kanıt güveni ve yıldız işaretini etkiler.
Tazelik
Tazelik, istek saati değil, snapshot veri kesme noktasını kullanır. Fiyat/API erişilebilirlik eşikleri 30/60 gün, kaynak 180/365, yapılandırma 90/180. Süresi dolmuş gerekli bilgiler bilinmez hale gelir. Bir benchmark, sadece yaş değil, geçersiz kalma veya iptal edilmiş izin nedeniyle hariç tutulur. Snapshot yaşı ayrı bir uyarıdır.
Uyumlu rütbeler ve sınırlar
Kesin kamu sıralaması, tek bir uyumlu bağlamdaki nitelikli modellerle sınırlıdır. % 20altındaki kapsama tam sıralamayı bastırır ve puanı sınırlı verilere dayalı olarak etiketler. Muhafazakar sınır, donmuş anlamlı boşluk, delta theta 0.28 ve orijinal uygunluk kapılarını kullanır. Katalog sayısal sıralama, bağlamlar arası bir #N icat etmez.
Tekrarlanabilirlik
Yapılar 6,000 deterministik Monte Carlo çizimleri veya mevcut eşik bölgesinde 12,000 kullanır. Kararlı Kayıt ID'leri tohumları tanımlar. Bilimsel hesaplama, kanonik ana değişikliklerden sonra çevrimdışı çalışır; çalışma zamanı okumaları yalnızca JSON doğrulanır. Tarihsel anlık görüntüler ve orijinal kalibrasyon baytları korunur.
Yıldız işareti ve limitler
Yıldız işareti olmaması, ilgili girdiler ve doğrulama gereksinimlerinin karşılandığı anlamına gelir. Kısmi * doğrulamanın eksik olduğu anlamına gelir; Tahmini * ise gerekli girinin bilinmediği veya kalitenin önceden kaldığı anlamına gelir. Bilinmeyen kötü anlamına gelmez. Tek faktörlü kalite ve token başına ekonomi her gerçek görevi temsil edemez; tercih sonuçları objektif kıyaslama haline gelmez.
Kataloğun nasıl doğrulandığı
AIpediya, yapay zekâ modelleri ve yapay zekâ araçlarına ilişkin editoryal bir başvuru kataloğudur. Modeller ve araçlar, kendi numaralandırmaları, filtreleri ve kartları olan ayrı kataloglardır. Bu, var olan her modelin eksiksiz bir kaydı değil, özenle seçilmiş bir derlemedir.
Kaynaklar ve kontrol tarihleri
Her kayıt kaynaklara dayanır: öncelikle geliştiricinin resmî belgeleri, duyurusu, model kartı veya fiyatlandırma sayfası; saygın ikincil kaynaklar yalnızca resmî kaynak bulunmadığında kullanılır. Her kart kaynağına bağlantı verir ve bir editörün onu en son ne zaman kontrol ettiğini gösterir. Kontrol tarihi, çıkış tarihi değildir ve AIpediya tarafından yapılmış bir test de değildir.
Neler yayımlanır
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.
Çıkış tarihleri ve katalog numaraları
Kesin çıkış tarihi yalnızca bir kaynak onu doğruladığında gösterilir. Aksi hâlde, kamuya açık varlığın en erken güvenilir tarihi ≈ işaretiyle ve ay ya da gün hassasiyetinde gösterilir. Bilinmeyen tarihler boş kalır ve bu kayıtlar kronolojik sıralamada en sonda yer alır. Katalog numaraları, doğrulanmış çıkış tarihlerini en eskiden en yeniye doğru izler; aynı tarihte çıkanlar ada göre sıralanır.
Fiyatlar
Fiyatlar, sağlayıcının yayımladığı liste fiyatlarıdır; ABD doları cinsindendir ve birimi belirtilir: örneğin 1 milyon girdi token'ı başına, görsel başına, video saniyesi başına veya aylık. Girdi ve çıktı token'ları, toplu işlem (batch), yoğun olmayan saatler ve diğer kademeler koşullarıyla birlikte ayrı tutulur. Ücretsiz kademe, ücretsiz ve sınırsız API erişimi değildir; abonelik ise tek bir model sürümüne değil, bir hizmete aittir. Vergiler, kotalar ve bölgesel koşullar nihai maliyeti değiştirebilir. Bilinmeyen bir fiyat boş kalır, asla sıfır olarak gösterilmez.
Menşe ülke
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.
Bağımsız değerlendirmeler
Yalnızca aynı kıyaslama ve protokolün sonuçları karşılaştırılabilir. Her sonuç değerlendirici, kıyaslama, yapılandırma, anlık görüntü ve kontrol tarihini belirtir. Geliştirici sonuçları bağımsız çalışmalardan ve bileşik indekslerden ayrıdır. Üçüncü taraf sonuçları doğrulanmış kesin model kimliği ve yayımlama izni gerektirir. AIpediya Derecelendirme v1.0 izin verilen kanıttan ayrı hesaplanır; bağlamları ve sınırlamaları aşağıda açıklanmıştır.
Açık ağırlıklar ve lisanslar
Açık ağırlıklar, ağırlıkların geliştiricinin belirttiği lisans kapsamında indirilebileceği anlamına gelir. Bu, açık kaynakla aynı şey değildir ve bir modeli yerel olarak çalıştırmak yine de donanım ve enerji gerektirir.
Bilinmeyen değerler ve çelişen kaynaklar
Bilinmeyen değer boş gösterilir; asla sıfır veya “hayır” olarak gösterilmez. Kaynaklar birbiriyle çeliştiğinde ya da bir değer doğrulanamadığında değer boş kalır veya kayıt incelemede kalır; değerlerin ortalaması alınmaz ve tahmin yürütülmez.
Güncellemeler ve çeviriler
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.
Bağlamlar ve veri anlık görüntüsü
Veriler şu tarihe göre 2026-11-03 · Metodoloji metin versiyonu v1.0
Kataloğun nasıl doğrulandığı
Her sonuç kaynağını, kıyaslamasını, model versiyonunu ve çalışma koşullarını korur. Yalnızca yayınlanmasına izin verilen verileri kullanırız; geliştirici sonuçları bağımsız değerlendirmelerden ayrı gösterilir.
Epoch AI ↗ · LMArena ↗ · LiveBench ↗
Modeller: 466 · Araçlar: 186