Artificial Analysis

Artificial Analysis 是一个独立评测 AI 模型与 API 服务商的基准网站，帮助使用者理解当前 AI 格局，为自己的场景挑选最合适的模型与供应商。它不依赖厂商自报数据，而是围绕质量、价格、输出速度与延迟等关键指标独立跑分，并同时覆盖模型本身和提供 API 托管的服务商。官网以「Independent analysis of AI」为口号，数据持续更新，是模型选型时常用的第三方参考，也常被评测与媒体引用。

核心能力

• 智能指数（Intelligence Index）：自建的综合智能评分体系，给模型能力打分并持续更新；官网公开指数版本变更说明（例如最新版本用新基准替换旧任务、升级终端操作类评测），保证分数反映前沿能力，也方便追溯。
• 成本对比：提供「每完成一次智能指数任务的成本」等指标，把模型性能换算成可比的钱，让「质量 vs 预算」的权衡有量化依据。
• 速度与延迟：展示输出速度等性能指标，配合价格一起横向比较，避免「只比质量、不比成本与速度」的片面选型。
• 模型与服务商双线对比：同一模型在不同托管服务上的表现差异也能比，支持按 Open Weights（开放权重）与 Proprietary（闭源）分类浏览，方便挑选 API 供应商。
• 分门类榜单：除语言模型外，覆盖编码智能体、语音、图像、视频、推理等多个门类的榜单，满足不同应用场景的选型需求。
• 搜索索引（Search Index）：新推出的搜索类 API 服务商对比，用同一套智能体评测质量、成本与速度，覆盖检索增强与智能搜索类应用场景。

适合谁

需要做模型选型的工程师与产品决策者；需要在成本与质量间权衡的创业团队与个体开发者；写评测、报告或文章需要引用第三方基准数据的分析师与媒体；以及想持续跟踪模型能力演进、关注每次指数版本变化的研究者。

注意事项

• 指数与榜单会随版本更新而变动，引用数据时务必标注版本与抓取时间，避免引用过时结论。
• 榜单是「通用能力」的近似，不代表你的具体任务表现；编程、写作、长上下文等细分场景建议再看对应门类的专门榜单。
• 价格与速度数据通常基于官方定价与公开测试，实际调用成本可能因用量、区域与缓存策略而不同，最终以服务商账单为准。
• 网站以英文为主，数据展示维度较多，初次使用建议先锁定自己关心的指标（质量 / 成本 / 速度），再逐步展开对比。

使用建议

榜单适合缩小候选范围：先按自己的场景锁定门类，再在质量与「单任务成本」之间找平衡点。最终决定前，用你自己的真实任务对入围的 2-3 个模型做一轮小规模对比测试，比任何榜单都更可靠；做技术选型汇报时，注明数据来源版本与时间，能让结论更站得住脚。