明確的分數。開放的方法論。
來源與方法
AIpediya 評分將模型品質、成本與可用資源合併為一個分數。除了數字外，我們也說明了證據支持的程度。
如何閱讀音階
從 0 到 100%：分數越高，代表品質、價格效率及可用資源的結合更強。這是綜合分數，而非單一測驗的準確度。
在同一評分情境下比較模型。我們僅在有足夠證據時才顯示排名。
星號代表什麼
分數旁的小 * 表示資料不完整、估計或有限。它描述對估計值的信心度：打開提示查看包含了什麼、缺少了什麼。
已驗證
無星號：關鍵證據已確認，分數符合驗證要求。
部分驗證
部分證據得到證實;估計中仍有缺口。
估計
證據稀少;採用廣泛的基線估計。
未知並不代表不佳。當缺乏直接證據時，我們會使用中性基線並設定寬不確定區間。主要分數仍為中心估計;保守估計則用於信心與領導值比較。
三個組成部分，一個分數
品質
允許的測試結果，考量模型的精確版本與評估條件。
價格
成本相當於標準 API 。免費託管 API 與本地執行是分開處理的。
資源
確認的上下文容量或此模型類型的相關資源。
本地執行;成本取決於硬體和電力
詳情與資料來源
以下是計算規則、限制及資料來源。打開任一模型面板即可查看完整的審核。
一個公開評分
公開的 AIpediya 評分始終使用 BALANCED。上下文描述可比任務;模型類型間並無統一排名。品質優先與經濟型態仍為未來收藏的內部引擎選項。
允許的外部證據
典範主檔案儲存精確模型、配置、任務、執行者、數值結果、日期及來源。獨立的外部結果與 Arena 偏好設定與較弱的開發者報告分開。非公開研究、合成資料、被取代的重複資料及被撤銷的權限均不包含。AIpediya 彙整外部結果，且不經營評估實驗室。
凍結能力尺度
原始的凍結能力籃、項目係數與比例不變。新核准項目要求至少五個精確的冷凍-theta 錨點及僅附加的脊綁定。未綁定項目可儲存在主系統，但絕不可靜默評分。Arena Bradley-Terry 評分與代理 IPS 為獨立指標，具有獨立的凍結轉換。
電容與精確配置
家族上限為有效觀察 1.5 ;時代上限為 6，其他執行者上限 2。Arena 維持其有效觀察值上限為一個有效觀察值及 25%的精度。開發者證據較弱，且精度份額上限為 20%。引擎會依客觀家族覆蓋率和努力選擇一個精確配置。不同努力不會合併;未明確的努力不會被推斷。
競技場與LiveBench
Arena 僅來自 Hugging Face 上的官方 lmarena-ai/leaderboard-dataset，並 CC BY 4.0 歸屬。原始版本與風格控制版本及聚合/子訊號不會重複計算。LiveBench 使用官方發布的任務結果，並附有官方發布/分類定義。它是一個獨立的目標族群，且是獨立的外部執行者。僅匯入子任務;類別與全局平均值不包含。
價格與適用資源
標準託管 API 價格使用現有凍結錨點及可比單位。確認的永久免費託管 API 可能為 C=1。未驗證可比的本地權重 TCO 經濟數據為 N/A/自架。資源定義依情境而定： LLM token context、嵌入輸入限制、 TTS 輸入限制、 STT 音訊長度、影像解析度及影片長度。未確認的適用資源仍然缺失。不會建立新的任意資源錨點來提升分數。
適用性與權重
每個成分為適用-已知、適用-缺失或不適用。N/A 無估計值且權重為零，且從覆蓋分母中移除。剩餘 BALANCED 權重由 78/16/6正規化。缺少適用成分保持其原始中性估計及廣泛不確定性。N/A 與未知不可互換。
證據門
合格的整體模型需要兩個領域中非 Arena 家族。情境需要足夠的模型、家族及外部跑者。專門情境還需驗證過的獨特性。儲存新結果本身並不代表情境已準備好。未經核定的 SWE-bench/CODE 研究仍不包含。
顯示分數與不確定性
顯示評分是 Q^wq 100 ×× （0.2+0.8C）^wc × （0.3+0.7K）^wk 在適用元件上的中央綜合。每個快照儲存其遮罩、精確成分、基准/有效權重及明確調整，目前為零。執行時間驗證重現。第十百分位為獨立的保守信心/前沿估計，且不會取代顯示分數。
精準度、支撐與覆蓋範圍
精確度描述不適合及早期證據調整後的統計不確定性。支持計算獨立外部跑道路徑：A 至少三條，B 兩條，C 條較少。開發者報告永遠不會成為獨立路徑。覆蓋範圍是相關品質、適用價格/資源、精確配置、外部跑道多樣性與廣度的比例。不包含不適用;缺少證據會影響信心度及星號。
新鮮度
新鮮度使用快照資料截止時間，而非請求時鐘。價格/API 可用性門檻為 30/60 天、資源 180/365、設定 90/180。過期所需的事實將變得未知。基準測試因失效或撤銷權限而被排除，而非僅因年齡。快照年齡是獨立警告。
相容的軍階與邊界
精確的公開排名僅限於同一相容情境內的合格模型。低於 20%的覆蓋率會抑制精確排名，並將分數標示為基於有限資料。保守前沿使用凍結的有意義差距、δ、θ 0.28 及原始資格門。目錄數字排序並不創造跨語境 #N。
可重現性
建置使用6，000確定性蒙地卡羅繪製，或在現有閾值區域00012。穩定記錄 ID 定義種子。科學運算在正典主控變更後離線執行;執行時僅JSON驗證讀取。歷史快照與原始校正位元組會被保留。
星號與限制
無星號表示相關輸入及佐證要求已達成。部分*表示佐證不完整;估計*表示所需輸入未知或品質仍為先驗。未知不代表不佳。單一因素品質與每代幣經濟學無法代表所有真實任務;偏好結果不會成為客觀基準。
目錄如何驗證
AIpediya 是由編輯整理的 AI 模型與 AI 工具參考目錄。模型與工具分屬不同目錄，各自有獨立的編號、篩選條件與資訊卡。這是精選的收錄，而非所有現存模型的完整名錄。
來源與查核日期
每筆條目都以來源為依據：首先是開發者的官方文件、公告、模型卡或價格頁面；僅在沒有官方來源時才採用可信的第二手來源。每張資訊卡都附有來源連結，並顯示編輯最近一次查核的時間。查核日期不是發布日期，也不是 AIpediya 進行的測試。
哪些內容會被發布
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.
發布日期與目錄編號
僅在有來源確認時才顯示確切的發布日期。否則，會以 ≈ 符號顯示最早可靠的公開存在日期，精確到月或日。未知日期保持空白，這些條目在時間排序中列於最後。目錄編號依已驗證的發布日期由舊到新排列；同一天發布的條目依名稱排序。
價格
價格為供應商公布的牌價，以美元計，並註明計價單位，例如每 100 萬個輸入 token、每張圖片、每秒影片或每月。輸入與輸出 token、批次處理、離峰時段及其他方案等級，連同其條件分別記錄。免費方案並不等於免費且無限制的 API 存取，而訂閱屬於某項服務，而非單一模型版本。稅金、配額與地區條款可能改變最終費用。未知價格保持空白，絕不顯示為零。
來源國家
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.
獨立評測
只有同一基準測試與協議的結果才可比較。每個結果標示評估者、基準測試、配置、快照及檢查日期。開發者結果與獨立跑關及綜合索引是分開的。第三方結果需驗證精確模型身份及發布權限。AIpediya 評分 v1.0 與允許證據分開計算;其背景與限制將在下文說明。
開放權重與授權
開放權重是指可依開發者所載明的授權下載權重。這與開放原始碼不同，而且在本機執行模型仍需要硬體與能源。
未知數值與相互矛盾的來源
未知數值顯示為空白，絕不顯示為零或「否」。當來源不一致或數值無法確認時，該數值保持空白，或條目持續處於審查狀態；數值絕不會被取平均或臆測。
更新與翻譯
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.
情境與資料快照
資料截至 2026-11-03 · 方法論文本版本 v1.0
目錄如何驗證
每個結果都保留其來源、基準測試、模型版本及運行條件。我們僅使用允許公開的資料;開發者結果與獨立評估分開展示。
Epoch AI ↗ · LMArena ↗ · LiveBench ↗
模型: 466 · 工具: 186