一個融合得分，固定公開權重
每個模型的綜合得分來自四類獨立證據：盲測人類偏好 40%、獨立基準測試 30%、OrcaRouter 生產環境證據 20%、生態採用度 10%。權重固定且公開——沒有人為調整、沒有付費排位、不接受廠商提交。
基於 OrcaRouter 真實生產流量與社群 Battle Mode 投票排名 —— 而非廠商自報的基準測試。
每個模型一個綜合排名——LMArena 投票、獨立基準測試、生態採用度與 OrcaRouter 生產環境證據，按固定公開權重融合。新模型上線首日即基於外部證據入榜。
| 排名 | 模型 | 綜合分 | 可靠性 | $/1M 混合 | 用量 | 動量 | 證據 |
|---|---|---|---|---|---|---|---|
| #1 | OpenAI: gpt-oss-120b | 65.7 | 99.47% · 910ms | $0.10$0.03 → $0.17 per 1M tokens | <1% | — | AA Math 93.4Artificial Analysis 數學基準分。OR 0.6%OpenRouter 令牌份額——真實生態採用度。 |
| #2 | openai/gpt-5.2-2025-12-11 | 65.1 | 99.11% · 2545ms | $7.88$1.75 → $14 per 1M tokens | <1%▼ | — | AA Math 99.0Artificial Analysis 數學基準分。OR 0.0%OpenRouter 令牌份額——真實生態採用度。 |
| #3 | DeepSeek: DeepSeek V4 Flash | 64.7 | 99.04% · 623ms | $0.22$0.147 → $0.295 per 1M tokens | 20%▼ | — | AA Math 50.0Artificial Analysis 數學基準分。OR 18.2%OpenRouter 令牌份額——真實生態採用度。 |
| #4 | Z.ai: GLM 4.7 | 63.4 | 99.80% · 4066ms | $1.40$0.6 → $2.2 per 1M tokens | <1%▲ | — | AA Math 95.0Artificial Analysis 數學基準分。OR 0.1%OpenRouter 令牌份額——真實生態採用度。 |
| #5 | OpenAI: GPT-5.1-Codex | 63.3 | 99.05% · 1938ms | $5.63$1.25 → $10 per 1M tokens | <1%▲ | — | AA Math 95.7Artificial Analysis 數學基準分。OR 0.0%OpenRouter 令牌份額——真實生態採用度。 |
| #6 | openai/gpt-5-2025-08-07 | 62.7 | 99.25% · 2428ms | $5.63$1.25 → $10 per 1M tokens | <1%▼ | — | AA Math 94.3Artificial Analysis 數學基準分。OR 0.0%OpenRouter 令牌份額——真實生態採用度。 |
| #7 | openai/gpt-5.1-2025-11-13 | 62.7 | 99.10% · 2692ms | $5.63$1.25 → $10 per 1M tokens | <1%▼ | — | AA Math 94.0Artificial Analysis 數學基準分。OR 0.0%OpenRouter 令牌份額——真實生態採用度。 |
| #8 | openai/gpt-5-mini-2025-08-07 | 62.4 | 99.00% · 1450ms | $1.13$0.25 → $2 per 1M tokens | <1%▲ | — | AA Math 90.7Artificial Analysis 數學基準分。OR 0.2%OpenRouter 令牌份額——真實生態採用度。 |
| #9 | OpenAI: GPT-5.1-Codex-Mini | 61.4 | 99.18% · 1125ms | $1.13$0.25 → $2 per 1M tokens | <1%▲ | — | AA Math 91.7Artificial Analysis 數學基準分。OR 0.0%OpenRouter 令牌份額——真實生態採用度。 |
| #10 | Google: Gemini 2.5 Pro | 59.9 | 99.50% · 5666ms | $8.75$2.5 → $15 per 1M tokens | <1%▼ | — | AA Math 87.7Artificial Analysis 數學基準分。OR 0.1%OpenRouter 令牌份額——真實生態採用度。 |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
Battle Mode 兩兩對戰勝率——每個模型與各個對手正面交鋒的獲勝頻率。
將獨立的智慧評分與輸入價格作圖。虛線為價格/智慧的帕累托前緣。
兩個匿名回答，一次投票。你的對戰計入綜合排名中 20% 的生產證據權重。
兩個匿名模型回答同一個提示詞。讀完兩邊再投票，接著揭曉各自是誰——你的投票會計入上方排行榜。
本頁每個數字都來自實測，絕無廠商自報。以下是綜合排名背後的完整方法——對每個模型、每一天都執行同樣的規則。
每個模型的綜合得分來自四類獨立證據：盲測人類偏好 40%、獨立基準測試 30%、OrcaRouter 生產環境證據 20%、生態採用度 10%。權重固定且公開——沒有人為調整、沒有付費排位、不接受廠商提交。
人類偏好來自 LMArena 社群 Elo——文字與視覺競技場的盲測兩兩投票（CC-BY-4.0）。獨立基準結合 Artificial Analysis（智能指數以及程式、數學、GPQA Diamond 與 τ²-Bench）和 SWE-bench Verified（模型解決真實 GitHub issue 的比例）。生產環境證據來自 OrcaRouter 自身：盲測對戰勝率加即時閘道遙測——成功率、延遲與路由 Token 用量。採用度使用 OpenRouter 公布的 Token 份額。
各來源的量綱不同（Elo、0–100 指數、解決率百分比），因此每個訊號都會針對當前榜單標準化並映射到 0–100：50 為榜單平均值，每 15 分代表一個標準差，兩端截斷。模型至少需要兩類獨立證據才能入榜，榜單按綜合得分列出前 25 名。
文字、程式、視覺、數學、推理與智能體榜單在各自適配的訊號上重跑同一套融合——程式分區換用程式基準與 SWE-bench Verified，視覺分區使用 LMArena 視覺競技場——且盲測對戰只在同一分區內配對。
外部資料來源每日刷新，第一方遙測即時更新；新模型在發布後 48 小時內基於外部證據入榜。全程不使用任何廠商自報數據，社群熱度僅作參考、絕不參與排名，且所有外部來源都在榜單下方註明出處。
每個模型的融合得分來自四類證據——盲測人類偏好（LMArena）、獨立基準（Artificial Analysis、SWE-bench）、OrcaRouter 生產可靠性、生態採用度（OpenRouter），按固定公開權重 40 / 30 / 20 / 10 加權。
新模型在發布後 48 小時內即基於外部證據入榜。隨著社群對戰和生產流量的累積，排名會逐步穩固。
外部資料來源每日刷新，OrcaRouter 遙測即時更新；榜單頂部顯示最近更新日期。
模型需要至少兩個獨立證據來源才能上榜，榜單展示綜合得分前 25 名——證據不足的模型將保持未上榜，直到有新的來源覆蓋它。
是的——綜合表格上方的分區按鈕可切換文字、程式、視覺、數學、推理與智能體榜單，且對戰只在同類模型間配對。
當模型累積了包括 OrcaRouter 自有對戰與流量數據在內的三類證據後，其排名將基於完整融合得分，而不再只依賴外部證據。
LMArena（CC-BY-4.0）、Artificial Analysis、SWE-bench、OpenRouter 排名，以及 OrcaRouter 生產遙測——均在榜單下方註明。
很難：權重公開，不採用廠商自報數據，盲測對戰與真實流量為每個分數提供錨點。
可以——JSON/CSV 匯出、可嵌入的模型排名徽章、排名變動 RSS 均可免費使用（需註明來源），連結見頁面底部。