跳转到主要内容
在基准测试中打开某项基准测试,即可按该测试的分数为模型排名;打开模型页面,则可以看到该模型的所有分数。Phaseo 不运行基准测试;它收集已发布的分数,并为每个分数附上来源链接。

每个分数记录的内容

每项基准测试还有一个类别和一个排序方向。对于越低越好的基准测试(例如错误率),Phaseo 会把分数最低的排在最前面。

如何比较分数

Phaseo 不会把各项基准测试换算成一个统一分数,因此请在同一基准测试和同一变体上比较模型,而不要跨基准测试比较。在把两个数字视为等同之前,先检查变体和自报标记:对于同一个模型,提供商报告的分数和独立测得的分数可能不同。 基准测试分数只是参考因素之一。成本、延迟、可靠性以及模型处理你自己的提示词的表现同样重要;这些内容见价格与性能。

基准测试页面显示的内容

综合指数(例如 Artificial Analysis Intelligence Index 和 Epoch Capabilities Index)有各自的页面,展示发布方的排名和版本。

基准测试类别

其他类别还包括音频、嵌入、医疗健康、规划和创造力。

分数的来源

  • 模型开发者发布的模型卡、技术报告和论文。
  • 基准测试组织方自己的结果页面。
  • 定期从 Artificial Analysis 和 Epoch AI 导入的数据。
  • 通过 GitHub issue 提交的社区报告,发布前会经过审核。
完整规则见基准测试方法。如需添加或更正分数,请参阅提交基准测试分数。
最后修改于 2026年11月5日