Artificial Analysis

它解决什么问题

选模型时最难的不是找不到信息，而是各家用自己的测试集和口径发布数据，没法横向比较。这个站点用统一的测试与实测调用，把不同厂商的模型放进同一套指标里，让「谁更聪明、谁更快、谁更便宜」变成可以并排看的三列。

它同时跟踪 API 供应商的可用性与定价。对要长期跑业务的人来说，这部分信息往往比单次跑分更实用：模型再好，如果价格翻倍或频繁限流，整套方案就得重做。

怎么看这些指标

先按任务类型看质量分，再看单位 token 价格与输出速度。做实时对话更在意首字延迟与吞吐，做批量处理更在意单价，两者权重完全不同，不要用一个综合分代替判断。

榜单是筛选器而不是结论。真实业务样本里往往有大量行业术语、格式约束和边界情况，建议锁定三到五个候选后，各跑一遍自己的评测集再决定。

使用建议

每隔一两个月回来刷新一次，把关注的模型加进对比列表。观察趋势比记住某一次排名更有价值，尤其是价格与速度这类会随基础设施变化而波动的指标。

适合谁

需要长期跟踪模型迭代的开发者、做技术选型的产品经理，以及要给团队写评估报告的研究者。

使用建议