LEADERBOARDS & METHODS
文字模型排行榜
选择来源与任务,进入完整排行榜。比较时核对模型版本、配置、样本量和不确定性。 比较 API 报价 →
查看完整排行榜
以下入口直达来源方的完整榜单,模型范围、分数与更新以原站为准。先选任务,再结合方法、样本数和分数区间判断。
如何判断榜单结果
人类偏好分反映参与者的选择,任务基准反映指定测试的完成表现。分数区间重叠时未必能判定胜负;不同类别、不同基准版本的分数不能合并。中文任务还应核对测试语言覆盖。
了解客观指标与主观偏好 →本站模型资料
以下为本站模型资料目录,排列顺序不代表强弱。点开模型查看官方信息和 API 平台。
- GPT-6.1 SolOpenAI · 官方资料已核实
- Gemini 3.8 FlashGoogle · 官方资料已核实
- Claude Sonnet 4.6Anthropic · 官方资料已核实
- DeepSeek V4.1 FlashDeepSeek · 官方资料已核实
- Claude Haiku 5.5Anthropic · 已关联测评原文
- Qwen4-Max PreviewAlibaba · 官方资料已核实
- Kimi K3Moonshot AI · 官方资料已核实
- Mistral Medium 3.5Mistral AI · 官方资料已核实
- MiniMax M3MiniMax · 官方资料已核实
- Qwen3.6 PlusAlibaba · 官方资料已核实