结论
前沿模型见解
Model
Picker
使用跨多个基准聚合模型智能/成本的见解，为您的应用程序/用例选择最佳模型
最新数据快照：2026-07-17
比较与选择
模型对比
比较输出质量、达到该质量的总成本和端到端延迟。
您的决定，简化
先选一个模型，需要时再添加对比模型。
您的基线可以解锁定制的前沿建议。第二个字段是可选的，可打开完整的质量、成本和延迟细目。
01 我在用的模型／对比基准必选
⌄
02 对比模型可选
⌄
Model Picker
其中 LLM 提供了最具性价比的智能 — 实时 Pareto frontier。
变化时收到通知
关注你使用的模型
新模型可能在几周内提供比现有模型更高的性价比。每天运行一次；你正在使用的模型一旦落后，就会收到通知： 200 虽然它仍然占据着帕累托前沿， 409 当某些东西可以为金钱提供更多的情报时。
在上面的匹配中选择一个基线来观察您自己的模型。 完整定时脚本与状态码
当前模型概况
筛选与坐标轴
调整指标和模型范围，图表会立即更新。
支持的输入类型
最具吸引力象限
最佳性价比前沿
可下载权重模型前沿（open-weights frontier）
没有模型与当前图表过滤器匹配。
对数轴以当前模型的成本中位数为中心，符合 AA 的居中规则。相同距离表示相同成本比率；绿色象限始终相对于当前显示的模型。
最佳性价比模型表
18 LLMs 提供最智能的性价比 (2026-07-17)
在数据集中的 571 模型中，18 处于智能与成本 Pareto frontier 上：没有其他模型比它更智能且运行成本更低。最便宜的前沿模型是 Llama 4 Scout （每次基准测试运行 $11.5 的智能 10.00）；最聪明的是 Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback) (intelligence 59.90, $5631). Every model name links to a page with its numbers, whether it holds the frontier, and what beats it.
总体前沿：最便宜到最智能
| # | 模型 | 开发者 | 智能得分 (Intelligence Index) | 基准测试费用（美元） | 端到端总耗时（E2E） | 可下载权重 | 发布日期 |
|---|---|---|---|---|---|---|---|
| 1 | Llama 4 Scout | Meta | 10.00 | $11.5 | 6.48s | 2025-04-05 | |
| 2 | DeepSeek V3 (Dec '24) | DeepSeek | 14.20 | $19.8 | - | 2024-12-26 | |
| 3 | gpt-oss-120b (low) | OpenAI | 14.90 | $24.2 | 8.77s | 2025-08-05 | |
| 4 | MiMo-V2.5 | Xiaomi | 37.20 | $25.2 | 39.6s | 2026-04-22 | |
| 5 | DeepSeek V4 Flash (Reasoning, Max Effort) | DeepSeek | 40.30 | $74.3 | 60.1s | 2026-04-24 | |
| 6 | MiMo-V2.5-Pro | Xiaomi | 42.20 | $98.5 | 46.2s | 2026-04-22 | |
| 7 | DeepSeek V4 Pro (Reasoning, Max Effort) | DeepSeek | 44.30 | $176 | 80.0s | 2026-04-24 | |
| 8 | MiniMax-M3 | MiniMax | 44.40 | $204 | 31.9s | 2026-06-01 | |
| 9 | GPT-5.6 Terra (medium) | OpenAI | 45.60 | $240 | 5.90s | 2026-07-09 | |
| 10 | GPT-5.6 Luna (high) | OpenAI | 46.10 | $275 | 9.51s | 2026-07-09 | |
| 11 | GPT-5.6 Sol (low) | OpenAI | 49.40 | $353 | 13.4s | 2026-07-09 | |
| 12 | Muse Spark 1.1 (xhigh) | Meta | 50.60 | $548 | 22.5s | 2026-07-09 | |
| 13 | GPT-5.6 Sol (medium) | OpenAI | 53.60 | $593 | 14.9s | 2026-07-09 | |
| 14 | Grok 4.5 (high) | SpaceXAI | 53.80 | $602 | 14.0s | 2026-07-08 | |
| 15 | GPT-5.6 Sol (high) | OpenAI | 55.90 | $956 | 20.7s | 2026-07-09 | |
| 16 | GPT-5.6 Sol (xhigh) | OpenAI | 57.70 | $1543 | 50.0s | 2026-07-09 | |
| 17 | GPT-5.6 Sol (max) | OpenAI | 58.90 | $2824 | 148.1s | 2026-07-09 | |
| 18 | Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback) | Anthropic | 59.90 | $5631 | 132.0s | 2026-06-09 |
可下载权重模型前沿：最具性价比的可自行部署 LLM（open weights）
| # | 模型 | 开发者 | 智能得分 (Intelligence Index) | 基准测试费用（美元） | 端到端总耗时（E2E） | 可下载权重 | 发布日期 |
|---|
工作原理
Model Picker 如何排名大语言模型
什么是大语言模型的帕累托前沿？
没有其他模型能同时在两个坐标轴上胜出的模型集合。在默认图表中，这表示不存在既更智能又运行成本更低的模型。其他模型都被支配：总有模型能以相同成本提供更高智能，或以更低成本提供相同智能。
为什么运行基准测试的总成本而不是每个代币的价格？
单 token 价格无法反映模型实际消耗的 token 数量，而推理模型往往消耗很多。Model Picker 使用 Artificial Analysis 报告的完整 Intelligence Index 评测总成本，因此单价便宜但推理很长的模型也会按真实成本呈现。
智能指数衡量什么？
Artificial Analysis Intelligence Index 综合推理、知识、数学、编程和智能体基准。Model Picker 直接采用已发布分数，不会重新评分。
哪个可下载权重 LLM 的性价比最高？
图表表格中的 open-weights frontier 列出权重可下载，且没有其他可自行部署模型能在智能和成本上同时胜出的模型。每一行都是其价位的高性价比选择；部分许可证限制商业用途。
我使用的型号仍然是最有价值的吗？
在上方对比框中输入模型名称。系统会给出同价或更低成本下最好的前沿模型，以及智能分更高的下一个合适选择。智能体和 cron 任务也可通过一次 API 请求查询同一问题；出现更优选择时，响应状态会变为 409。
这些数据有多新鲜？
该数据集每六个小时从 Artificial Analysis 和其他来源刷新一次；此页面是从 2026-07-17 快照呈现的。当重新测量模型时，指标会在快照之间移动，因此引用的数字应包含其快照日期。