大模型排行榜2026 在线对比LLM智商与速度
对比261个LLM模型的智能、编程、速度和成本，数据来自公开基准测试，支持按参数档位筛选，适合模型选型和API选择参考。
更新于 2026-09-11
相关工具
功能特性
- 七维排行榜：智能、编程、智能体、最低成本、最快、响应快、知识
- 参数大小分层：旗舰/中型/轻量/微型四档，同体量模型才有可比性
- 真实基准分数：公开基准聚合快照，非厂商宣传值
- 每任务成本列：完成一个标准评测任务的平均美元成本，反映真实使用开销
- 价格列：每 1M token 混合价（3:1 输入输出比例）与缓存价
- 上下文窗口列：128K、1M 及更大窗口直接对比
- 开源权重标记：开锁图标标注可自部署的模型
- 推理模型标记：大脑图标标注先思考再回答的模型
- est. 估算标记：估算分（推断而非实测）明确标注
使用方法
- 1打开页面默认显示旗舰档智能榜：分数最高的模型排在前面
- 2切换参数大小（旗舰/中型/轻量/微型）：不同体量的模型不可比，请在同一档内对比
- 3切换 tab 换维度：编程、智能体、最低成本、最快、响应快、知识各自独立排名
- 4最低成本 tab 按每任务成本升序：完成一个标准评测任务最省钱的模型在前
- 5最快 tab 按输出速度（tok/s）降序：高吞吐场景参考
- 6响应快 tab 按端到端响应时间升序：聊天与交互应用参考
- 7知识 tab 使用准确率减幻觉惩罚的分数，可为负值：负分越深说明幻觉越严重
- 8分数条按当前列表归一化：最高分满条，相对水平一眼可见
- 9悬停 est. 标记确认分数为估算：估算分可靠性低于实测分
常见问题
这些跑分数据准吗？
分数是公开基准聚合的定期快照，是相对参考而非官方结论。用于比较模型档次是可靠的，但相邻模型 2 分以内的差距属于噪声。建议先用榜单缩小范围，再在自己的任务上验证候选模型。
为什么我的模型不在排行榜里？
本快照收录 261 个模型。模型缺失有两种情况：源数据中没有它的基准分，或源数据未标注它的参数大小（多为预览版和已下架模型）。你仍可在 AI 模型数据库查到它，只是这里没有分数。
最低成本 tab 按什么算的？
按每任务成本：模型完成一个标准评测任务的平均美元开销（含输入、输出与推理 token）。越低越好，免费模型成本为零所以排最前。这是数据源自己的指标，不是我们计算的。
速度和响应快是一回事吗？
不是。速度是输出吞吐（tok/s），衡量生成快慢；响应快是端到端响应时间，还包含首 token 时间，受服务商基础设施影响。按你的使用场景选对应指标。
推理模型看起来慢是正常的吗？
正常。推理模型回答前先消耗 token 思考，原始 tok/s 低于非推理模型。这是设计使然：请在同为推理模型的范围内比较，不要和非推理模型比。
排行榜多久更新一次？
数据源发布新一轮基准后刷新，大约每月一次。页面顶部始终显示快照日期：引用任何排名前先确认日期。
哪个模型编程最强？
编程 tab 按编程指数排名：当前旗舰档第一是 GPT-5.6 Sol (xhigh)（78.3），领先 Claude Opus 5。要看 Claude Code、Codex 这类编程工具，请用 AI 编程工具排行榜。
这个工具和 AI 模型数据库有什么区别？
数据库用于查规格、比价格：300+ 模型搜索筛选、并排对比；本排行榜回答「现在谁最强」：先按基准分排名，表格里附规格信息。
为什么免费模型在最低成本榜排最前？
该 tab 按每任务成本排序，免费模型成本为零自然在最前。同一参数档内免费选项就是最省钱的选择，需要权衡的是它的分数是否够用。
能直接按这个排名做生产选型吗？
建议当短名单用，不要当结论。基准聚合覆盖大量任务，你的场景可能更适合排名靠后的模型。选前 3-5 个在代表性样本上实测，按结果决策。
怎么解读模型在总榜中的排名？
总榜排名是各评测维度（知识、编程、数学、指令跟随）的平均。总榜第10的模型可能在编程维度排第2：选模型前一定要看分维度排名。排名也会随快照更新而变化，所以要在同一个快照日期内对比模型，而不是跨日期比较。
开源（开放权重）模型怎么找？
开放权重的模型名字旁有开锁图标，可以自部署。当前快照中包括 DeepSeek V4 Flash、GLM-5.2、Nemotron 3 Ultra 等。本页不单独做开源排名，而是在每个维度内用图标标注。
现在最便宜的 AI 模型 API 是哪个？
按每任务成本（当前旗舰档）：Command A+ 免费、MiMo-V2.5 约 $0.01、DeepSeek V4 Flash 约 $0.03。旗舰档之外，轻量和微型档更便宜。价格列显示每 1M token 单价：每 token 最便宜和每任务最便宜是两个问题。
最快的大模型是哪个？
最快 tab 按实测输出速度排名：当前旗舰档第一是 Step 3.7 Flash（约 364 tok/s），其后是 Muse Spark 1.1 和 Gemini 3.6 Flash。推理模型因先生成思考 token，原始 tok/s 更低。
排行榜的数据和价格从哪来的？
分数和价格都来自 Artificial Analysis（独立第三方评测机构）的公开榜单快照，我们抓取并清洗后打包为静态数据；页面顶部显示快照日期。分数是相对参考，不是厂商官方结果。