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：2026-09-22
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
14 LLMs 提供最智能的性价比 (2026-09-22)
在数据集中的 650 模型中，14 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 Granite 4.2 3B （每次基准测试运行 $14.9 的智能 9.10）；最聪明的是 Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback) （智能分 53.40，$13129）。在可下载权重模型自己的前沿中，最智能且可自行部署的模型是 MiMo-V2.6-Pro 由Xiaomi（智能46.30、$207）。每个型号的名称都链接到一个页面，其中包含其编号、是否占据前沿以及什么击败了它。
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 | Granite 4.2 3B | IBM | 9.10 | $14.9 | 11.7s | 2026-08-25 | |
| 2 | GPT-5.6 Luna (Non-reasoning) | OpenAI | 15.50 | $23.0 | 4.13s | 2026-07-09 | |
| 3 | GPT-5.6 Luna (low) | OpenAI | 21.00 | $27.0 | 5.25s | 2026-07-09 | |
| 4 | GPT-5.6 Luna (medium) | OpenAI | 25.00 | $44.3 | 6.13s | 2026-07-09 | |
| 5 | GPT-5.6 Luna (high) | OpenAI | 32.10 | $108 | 13.3s | 2026-07-09 | |
| 6 | GPT-5.6 Luna (xhigh) | OpenAI | 34.60 | $179 | 40.3s | 2026-07-09 | |
| 7 | MiMo-V2.6-Pro | Xiaomi | 46.30 | $207 | 22.4s | 2026-09-21 | |
| 8 | Muse Spark 1.3 (max) | Meta | 48.10 | $2000 | 32.1s | 2026-09-02 | |
| 9 | GPT-6 Astra (medium) | OpenAI | 49.60 | $2434 | 15.0s | 2026-09-03 | |
| 10 | GPT-6 Astra (high) | OpenAI | 50.90 | $2925 | 67.9s | 2026-09-03 | |
| 11 | GPT-6 Astra (xhigh) | OpenAI | 52.40 | $3803 | 131.8s | 2026-09-03 | |
| 12 | GPT-6 Astra (max) | OpenAI | 52.70 | $5324 | 283.7s | 2026-09-03 | |
| 13 | Claude Fable 5.1 (Adaptive Reasoning, Xhigh Effort, Default Fallback) | Anthropic | 53.20 | $9063 | 211.2s | 2026-09-01 | |
| 14 | Claude Fable 5.1 (Adaptive Reasoning, Max Effort, Default Fallback) | Anthropic | 53.40 | $13129 | 298.9s | 2026-09-01 |
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 |
|---|---|---|---|---|---|---|---|
| 1 | Granite 4.2 3B | IBM | 9.10 | $14.9 | 11.7s | 2026-08-25 | |
| 2 | Granite 4.2 8B | IBM | 11.10 | $53.1 | 29.7s | 2026-08-25 | |
| 3 | Mistral Small 4 (Reasoning) | Mistral | 11.30 | $78.7 | 16.8s | 2026-03-16 | |
| 4 | Nemotron 3.5 Lightning | NVIDIA | 12.90 | $105 | 9.02s | 2026-08-11 | |
| 5 | MiMo-V2.5-Pro | Xiaomi | 26.00 | $138 | 55.8s | 2026-04-22 | |
| 6 | MiMo-V2.6-Pro | Xiaomi | 46.30 | $207 | 22.4s | 2026-09-21 |
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 2026-09-22 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。