88Z.ai / 排行榜
Step 5 Preview
阶跃星辰 出品。以下分数均来自已引用的公开测评，并给出本站采集时间。
本站最近采集时间：2026-11-14 06:41 (UTC+8, Asia/Shanghai)。各来源的发布日期见表中或文末引用。
- 厂商
- 阶跃星辰
- 开源
- 是（来源标注）
- 上下文（目录或测评披露）
- 1,000,000 tokens
- 本站参考价 / 百万 token
- 入 ¥8.6 / 出 ¥23.22
- 综合分
- 59.8
| 指标 | Step 5 Preview | Step 5 Preview (High) |
|---|---|---|
| Artificial Analysis Intelligence Index | 292026-11-13 | — |
| LMArena 文本对战 | 1,448.552026-11-11 | — |
| LMArena 文本·编程 | 1,504.62026-11-11 | — |
| LMArena 文本·数学 | 1,470.212026-11-11 | — |
| LMArena 中文对战 | 1,499.232026-11-11 | — |
| LiveBench 2.0 综合 | 54.892026-11-06 | — |
| LiveBench 编程 | 67.62026-11-06 | — |
| LiveBench 推理 | 83.82026-11-06 | — |
| Aider Polyglot | — | — |
| SWE-bench Verified（mini-SWE-agent） | — | — |
| SuperCLUE 总分 | 41.232026-11-01 | — |
| LMArena WebDev | — | 1,572.542026-11-11 |
| LMArena 视觉对战 | 1,245.452026-11-09 | — |
| AA 每任务耗时（分钟） | 14.12026-11-13 | — |
| AA 每任务成本（USD） | 2.352026-11-13 | — |
空值表示该来源尚未公布这一变体的成绩，不是 0 分。
数据来源
- 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。
常见问题
- 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。
- 综合分如何计算？
- 先把各来源分数在该来源内部做最小-最大规范化，再按 Artificial Analysis 28%、LMArena 文本对战 28%、LiveBench 22%、编程综合 15%、推理综合 7% 加权。缺少某项时，只在已有项之间重新分配权重。至少要有两项主流测评（或三项分项）才会进入综合榜。同一系列多个变体只保留综合分最高的一条。
- 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。
- 多久更新一次？
- 采集任务每天自动运行。来源本身可能不是每天都发布新成绩，所以页面会同时给出本站采集时间和来源发布日期。