清晰的分数。开放的方法论。
来源与方法
AIpediya评分将模型质量、成本和可用资源合并为一个评分。除了数字外，我们还解释了证据支持这一数据的程度。
如何读音阶
从 0 到 100%：分数越高，代表质量、价格效率和可用资源的组合更强。这是综合分数，不是单一测试的准确性。
在同一评级语境下比较模型。只有在证据充足时才显示排名。
星号的含义
分数旁的小*表示数据不完整、估计或有限。它描述了对估计的信心：打开提示查看包含了哪些内容，哪些缺失。
已验证
无星号：关键证据得到确认，分数符合核实要求。
部分验证
部分证据得到确认;估计中仍有空白。
估算
证据稀少;采用大致基线估计。
未知并不意味着差。当缺乏直接证据时，我们使用带有较宽不确定区间的中性基线。主要得分仍为中心估计;保守估计用于提供置信度和领先比较。
三个组成部分，一个分数
质量
允许的测试结果，考虑具体模型版本和评估条件。
价格
成本相当于标准 API 。免费托管 API 和本地执行是分开处理的。
资源
确认的上下文容量或该模型类型的相关资源。
本地执行;成本取决于硬件和电力
详情与来源
以下是计算规则、限制和数据来源。打开任意模型面板即可查看其完整审计。
一个公开评级
公开的 AIpediya 评级始终使用 BALANCED。上下文描述了可比任务;模型类型之间没有统一的排名。质量优先和经济性配置仍是未来收集的内部引擎选项。
允许的外部证据
规范主文件存储精确模型、配置、任务、运行者、数值结果、日期和来源。独立的外部结果和 Arena 偏好与较弱的开发者报告是分开的。不包括非公开研究、合成、被替换的重复和被撤销的权限。AIpediya 汇总外部结果，不运营评估实验室。
冻结能力尺度
原始的冻结能力篮、项目系数和刻度保持不变。新批准的项目要求至少五个精确的冻结-theta锚点和仅附加的脊绑定。未绑定的物品可以存储在主状态，但绝不会静默评分。Arena Bradley-Terry评分和Agent IPS 是独立的指标，具有独立的冻结变换。
电容与精确配置
家族上限是 1.5 有效观测值;纪元上限 6，其他运行量上限 2。Arena 保持其有效观测值上限为一个有效观测值和精度 25%。开发者证据较弱，精度份额上限为 20%。引擎通过客观族覆盖和努力选择一个精确配置。不同努力从不合并;不推断未具体的努力。
竞技场与LiveBench
Arena仅来自Hugging Face上的官方lmarena-ai/leaderboard数据集，署名 CC BY 4.0 。原始版本和样式控制版本以及聚合/子信号不会重复计数。LiveBench使用官方发布的任务结果，并采用官方发布/分类定义。它是一个独立的目标系列和独立的外部运行者。仅导入子任务;类别和全局平均值被排除。
价格与适用资源
标准托管 API 价格使用现有的冻结锚点和可比较单位。确认的永久免费托管 API 可能为C=1。没有验证可比 TCO 的本地权重具有经济学N/A/自托管。资源定义取决于上下文： LLM 令牌上下文、嵌入输入限制、 TTS 输入限制、 STT 音频时长、图像分辨率和视频时长。未确认的适用资源仍然缺失。不会创建新的任意资源锚点以提升评分。
适用性与权重
每个成分分别为适用-已知、适用-缺失或不适用。N/A没有估计值且权重为零，且从覆盖分母中移除。其余 BALANCED 权重从 78/16/6归一化。缺失的适用成分保持其原始中性估计和较大不确定性。N/A和未知不可互换。
证据门
合格的整体模型需要两个领域内的非Arena家族。上下文需要足够的模型、家族和外部运行者。专门上下文还需要验证的独特性。存储新结果本身并不意味着上下文已准备好。未批准的 SWE-bench/CODE 研究仍被排除。
显示分数与不确定性
显示评分是 Q^wq 100 ×× （0.2+0.8C）^wc × （0.3+0.7K）^wk 在适用组件上的中心综合。每个快照存储其掩码、精确成分、基础/有效权重及显式调整，目前为零。运行时间验证重现性。第十百分位是一个独立的保守置信/前沿估计，且从不替代显示的分数。
精度、支撑与覆盖
精度描述了不适配和早期证据调整后的统计不确定性。支持计算独立的外部跑道路径：A至少三条，B两条，C条较少。开发者报告从不成为独立路径。覆盖率是相关质量、适用价格/资源、精确配置、外部跑道多样性和广度的比例。不包括;缺失证据影响置信度和星号。
新鲜度
新鲜度使用快照数据截止时间，而非请求时钟。价格/API 可用性阈值为 30/60 天、资源 180/365、配置 90/180。过期所需的事实变得未知。基准测试因失效或撤销权限而被排除，而不仅仅是基于年龄。快照年龄是一个单独的警告。
兼容的军衔与边界
精确的公开排名仅限于同一兼容情境内的合格模型。低于 20%的覆盖率会抑制精确排名，并将分数标记为基于有限数据。保守前沿使用冻结的有意义差距δθ 0.28 和原始资格门。目录数字排序并不发明跨语境 #N。
可重复性
构建使用 6，000 确定性蒙特卡洛绘制，或 12，000 在现有阈值区内。稳定记录ID定义种子。科学计算在规范主控更改后离线运行;运行时读取仅 JSON 验证。历史快照和原始校准字节被保留。
星号与极限
无星号表示相关输入和佐证要求已满足。部分*表示佐证不完整;估计*表示所需输入未知或质量仍为先验。未知并不意味着不好。单因素质量和每代币经济学无法代表所有真实任务;偏好结果不会成为客观基准。
目录的验证方式
AIpediya 是一个由编辑整理的 AI 模型与 AI 工具参考目录。模型和工具是两个独立的目录，各有自己的编号、筛选条件和卡片。它是一份精选合集，并非涵盖所有现存模型的完整登记册。
来源与核查日期
每条记录都以来源为依据：首先是开发者的官方文档、公告、模型卡或定价页面；只有在没有官方来源时，才使用可靠的二手来源。每张卡片都链接其来源，并显示编辑最近一次核查的时间。核查日期不是发布日期，也不是 AIpediya 进行的测试。
哪些内容会被发布
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.
发布日期与目录编号
只有在来源确认时才显示确切的发布日期。否则，将以 ≈ 符号显示最早的可靠公开存在日期，精确到月或日。未知日期保持为空，这些记录在时间顺序中排在最后。目录编号按照经核实的发布日期从最早到最新排列；同一日期发布的按名称排序。
价格
价格为提供方公布的标价，以美元计，并注明单位，例如每 100 万个输入 token、每张图片、每秒视频或每月。输入和输出 token、批处理、非高峰时段及其他档位连同各自条件分别列出。免费套餐并不等于免费、无限制的 API 访问，订阅属于某项服务，而不属于某一个模型版本。税费、配额和地区条款可能改变最终费用。未知价格保持为空，绝不填为零。
来源国家
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.
独立评测
只有同一基准和协议的结果才可比。每个结果标明评估者、基准、配置、快照和检查日期。开发者结果与独立运行和复合索引是分开的。第三方结果需要验证的具体模型身份并获得发布许可。AIpediya 评分 v1.0 与允许的证据分开计算;其上下文和局限性将在下文解释。
开放权重与许可证
开放权重是指可以按照开发者声明的许可证下载权重。这与开源不同，而且在本地运行模型仍需要硬件和能源。
未知值与相互矛盾的来源
未知内容显示为空，绝不显示为零或“否”。当来源说法不一或某个值无法确认时，该值保持为空，或该记录继续处于审核中；数值绝不取平均，也绝不猜测。
更新与翻译
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.
上下文与数据快照
数据来源 2026-11-03 · 方法论文本版本 v1.0
目录的验证方式
每个结果均保留其来源、基准测试、模型版本及运行条件。我们仅使用允许公开发布的数据;开发者结果与独立评估分开展示。
Epoch AI ↗ · LMArena ↗ · LiveBench ↗
模型: 466 · 工具: 186