这些分数是怎么来的？

全部来自公开测评或官方发布的机器可读数据，每一项都标注来源链接和日期。本站不编造分数，也不把缺项当成 0 分。

对比是不是只看一个冠军模型？

对比页列出两边在综合榜上靠前的旗舰系列，并给出同一来源下的分项分数。具体变体（例如 High / Max）以该系列当时综合分最高的一条为准。

不是。评测分数来自第三方公开榜单；人民币价格是本站模型目录的参考价（1 元 = 1,000 积分），按实际用量结算。二者分开展示，避免把计费和能力混为一谈。

88Z.ai / 排行榜

用同一批公开测评，对比 Anthropic Claude 与 OpenAI GPT 系列旗舰模型的综合、编程、推理与中文成绩。

本站最近采集时间：2026-11-15 06:40 (UTC+8, Asia/Shanghai)。各来源的发布日期见表中或文末引用。

用同一批公开测评，对比 Anthropic Claude 与 OpenAI GPT 系列旗舰模型的综合、编程、推理与中文成绩。

这不是实验室之间的总冠军宣言，只是把同一批公开测评放在一起看。完整规则见计算方法页。

LMArena 文本对战（风格控制） — 官方 Arena 排行数据集 text_style_control / latest。分数为 Arena Score（Bradley-Terry）。
LMArena 网页开发对战 — 官方 webdev / latest，衡量前端与网页生成对战表现。
LMArena 视觉对战（风格控制） — 官方 vision_style_control / latest。
LMArena 文生图对战 — 官方 text_to_image / latest。
LMArena 文生视频对战 — 官方 text_to_video / latest。
LMArena 智能体对战 — 官方 agent / latest 聚合分。
Artificial Analysis Intelligence Index — 来自官方公开榜单页的 Intelligence Index、每任务成本、每任务耗时与首 token 延迟。
LiveBench 2.0 — 官方 CSV 成绩。综合分按官网公式计算：Long Agentic ×2、Design ×1.5、Coding ×1.5，其余套件 ×1，再对已有套件做加权平均。
Aider Polyglot — 官方 polyglot_leaderboard.yml，指标为第二轮通过率（pass_rate_2，225 道跨语言习题）。同一模型多次提交取最高分。
SWE-bench Verified（mini-SWE-agent） — 官方 leaderboards.json 中 Verified 榜、mini-SWE-agent 协议下的 resolved 百分比，便于在相近脚手架下比较模型。不同智能体的成绩不可直接混比，本站综合编程分只采用该协议。
SuperCLUE 中文通用榜 — 官方通用榜 Excel（按月份发布）中的总分及分项。

这些分数是怎么来的？: 全部来自公开测评或官方发布的机器可读数据，每一项都标注来源链接和日期。本站不编造分数，也不把缺项当成 0 分。
对比是不是只看一个冠军模型？: 对比页列出两边在综合榜上靠前的旗舰系列，并给出同一来源下的分项分数。具体变体（例如 High / Max）以该系列当时综合分最高的一条为准。
本站价格和评测是一回事吗？: 不是。评测分数来自第三方公开榜单；人民币价格是本站模型目录的参考价（1 元 = 1,000 积分），按实际用量结算。二者分开展示，避免把计费和能力混为一谈。