还是老样子，先上图： 再上网页： 考虑到现在对于 Artificial Analysis 也有不少争议，也想问问大家有什么推荐的指标，未来打算把其他的榜也可视化一下。个人觉得新的指标应该要满足： 相比 AA 榜更能反映真实能力，或者更难受到“刷榜”的影响 提供能够体现性价比的具体数据（例如 per task 费用） 更新速度相对较快、被测模型涵盖面较广且数据可供横向对比