排序怎么算

知晓将不同评测的原始成绩转换到统一参照尺度：50 分是当前参照模型的平均水平，每 15 分约为一个标准差。分数用于同一方法版本内比较，不是正确率。

每个模型的单项成绩先按参照系折算、对齐到同一尺度，再按下面的权重合成综合分。评分不是正确率，也不代表它在你自己的任务上一定更好。

综合榜按五个领域加权，权重固定，不随当月模型多少变化。分类榜只取对应领域的成绩，不参与综合分。

综合榜当前收录 9 项评测、4 家评测机构；分类榜只统计该领域内的评测，数量和机构会少一些。 厂商自己公布的分数、演示视频和新闻稿不作为计分依据。

一个模型要在某个榜上排名，需要同时满足两点：在这个领域至少有一个通过质量门槛的直接证据单元，并且已经能通过官方 API 或公开权重稳定调用。

已有成绩但不能稳定公开访问的模型会放进“暂不排名”，并标明尚未正式上线或暂无稳定公开访问方式。状态变化后，下一次计算会自动更新名次。

表里的价格统一为人民币每百万 Token，按官方美元定价乘以汇率折算：1 USD = 6.6713 CNY（欧洲央行，2026-11-06）。缓存价格指命中上下文缓存时的输入价。

价格只取官方标价，不含限时折扣、批处理价和企业协议价；不同服务商的计费粒度、缓存规则也不完全一样，实际账单以服务商为准。 显示“—”表示没有公开价格，显示“免费”表示官方标价为零。

知晓当前榜单由自主汇算模块直接发布：最新计算时间为 2026/11/10 12:13（北京时间）。 页面与公开接口缓存 5 分钟；只有官方评测证据发生变化才触发新一轮计算和原子替换。

评分口径版本为 2026.11-robust-evidence-v1。口径调整会换版本号，新旧版本的分数不直接比较。

• 分数是评测成绩的折算，不是正确率，也不等于真实业务里的成功率。
• 相差 3 分以内，先后顺序可能随下一次评测变化，不必当成胜负。
• “评测覆盖”表示这个模型在该领域被测了多少项、覆盖了多少，覆盖低的模型分数更不稳定。
• 分类榜只看该领域，排名高不代表综合能力强；综合榜也不能替代你按自己的任务做小样本测试。
• 价格变动频繁，下单前请以服务商官网为准。