排行榜
数据来源与评测方法
排行榜数据出处、采集方式与版权口径说明。
本站不自建评测
本站不跑 benchmark，只做权威三方数据的聚合与可视化。收录的每一个 benchmark 都与 Agent/编程能力相关，有公开可复现的评测方法，结果由官方或可信第三方发布。
每一条分数都有一手出处
每一条分数必须标注一手出处：模型官方 model card、技术报告、论文、厂商博客， 或可复现的第三方评测方法说明，附具体 URL 与采集日期。榜单页每一行都能点到 对应的出处链接，鼠标悬停能看到抓取时读到的原文摘录。
采集方式与版权口径
数据采集仅取公开发布的内容，遵守目标站点的 robots.txt；不镜像、不转载目标站的 排版或文案，只提取分数与来源事实，用本站自己的呈现方式渲染。
综合分怎么算
不同 benchmark 的原始分数量纲不一样（有的 0-100，有的 0-1），直接相加没有意义。 综合分先把每条分数按所在 benchmark 的满分换算成 0-100 的百分比（分数越低越好的 指标先取反再换算），再取该模型已收录 benchmark 的加权平均（首期权重全部为 1， 等价于算术平均）。模型没跑过的 benchmark 不计入、不补 0——不会因为缺少某项数据 被拉低分数，也不会误当作它在那项上是 0 分。榜单页会显式标注综合分基于多少项 已收录评测计算，这不是全维度综合评分。综合榜只收录已有 2 项及以上评测成绩的 模型——只测过 1 项的模型样本太少，放进跨模型排名会失真，这些模型仍能在对应的 单项榜与自己的模型详情页里查到。
收录标准
在本站已收录的任一 benchmark 上有公开成绩就收录，没有就不收录，不做「这个模型 应该很强但还没测过」式的主观判断。首期只收录与 Agent/编程能力强相关的模型。 模型不会因为「过时」被剔除——收录后官方下架的模型页面仍会保留，只在页面上标注状态， 已收录的历史模型仍有查阅价值。
免责声明
以上数据仅供参考，不构成官方权威判定，请以厂商官方发布为准。