LLM Stats

当市面上的模型评测榜各有各的口径时，LLM Stats 的做法是把「选哪个模型」压缩成一个可比的单一分数。它覆盖 GPT、Claude、Gemini、Llama、DeepSeek 等 300 多个模型，用自建的 LLM Stats Score 综合智能、速度与价格三个维度，数据来源是公开基准加上实时 API 指标，而不是厂商自报，官方定位为独立、持续更新的 AI 排行榜，页面直接给出「用一个独立分数给最好的 AI 模型排名」的承诺。

核心能力

• 单一综合分：把智能、速度、价格等多个维度折算成一个 LLM Stats Score，省去逐项比表的麻烦，快速判断模型的整体水位与相对位置。
• 多维榜单：除总榜外，按编码、写作、数学、研究、长上下文、工具调用、推理、图像生成、视频生成等任务分榜，覆盖主流应用方向，方便按场景筛选。
• 开源模型分榜：单独列出开放权重模型的排名，方便评估可自部署、可控成本的选项，满足对数据主权有要求的团队。
• 持续更新：新模型上线后会进入榜单，并实时吸收 API 侧的速度与价格变化；页面提供新模型列表与性能指数，便于追踪最新发布。
• 配套资源：同时提供竞技场与基准数据入口，便于在单一分数之外做交叉验证，了解不同评测体系下的表现，也可实际对战测试模型，把主观体验与客观分数互相印证。

适合谁

做模型选型的工程与产品团队，需要快速判断「现在最强的是哪个」的从业者，写行业分析要引用排名数据的作者，以及想跟踪开源模型进展、评估自部署方案的开发者。

注意事项

综合分适合快速缩小候选范围，但各维度的权重是榜单方设定的，未必贴合你的具体场景；价格与速度来自实时 API 指标，会随各家定价调整而波动；公开基准数据可能存在发布滞后，对新模型的能力评估未必及时。引用排名数据时建议注明数据口径与更新时间，避免把某一时刻的排名当成永久结论。

使用建议

先用综合分锁定一个候选区间，再按自己最关心的分榜（例如编码、长上下文或推理）做第二轮筛选；实际接入前，最好用自己真实的 prompt 集做一次小规模对比，因为综合分代表平均水平，不代表在你场景里的表现。关注成本的话，可定期查看价格相关指标——模型降价后，性价比排名常会明显变化，综合分榜单能帮你及时捕捉这类机会；新模型密集发布期建议每周查看一次，及时掌握排名变化。