Artificial Analysis 模型榜

Artificial Analysis 是一个独立的 AI 模型分析站，最常被引用的是它的 LLM Leaderboard：把 250 多个语言模型放在同一套指标下比较，帮你在「选哪个模型、用哪家 API」上做判断。

榜单看什么

• Intelligence Index：综合智能指数，官方会随评测集升级更新版本。
• Cost per Task：完成同一类任务的平均成本，比单纯看每百万 token 价格更接近真实开销。
• Time per Task：完成任务的耗时，包含多次推理和工具调用的总时间。
• Time to First Answer Token：首字延迟，直接影响交互体验。
• Context Window：上下文窗口大小，以及模型权重、尺寸、推理模式等筛选项。

除了模型榜，站点还有 LLM API Providers 榜，可以对比同一模型在不同供应商下的价格、速度和可用性；图片、视频、语音以及编码 Agent 也有单独板块。

怎么用比较稳

榜单适合做初筛，不适合直接当结论。智能指数是综合分，具体任务表现可能差别很大；价格和速度也会随供应商、区域和推理档位变化。建议先按自己的任务挑 2–3 个候选，再用真实请求做小规模对比。

看数字时注意页面上的 Updated 时间和 FAQ 里的评测方法，不同版本、不同 effort 档位的分数不要混着比。