OnlySOTA 不评测模型。本站的每一个数字都由别人发布，也都与发布者的名字并列显示。本站做的只有一件事：对齐。同一个模型，无论各家榜单把它的名字写成什么样，都会被识别出来、归到一处。
这件事比听起来难得多。单看一张榜很容易，难在把两张榜放在一起比较：难点从来不是排名本身，而是确认这张榜上的某一行，和另一张榜上的某一行，究竟是不是同一个模型。
数字从哪里来
每个数据源按计划定时抓取，并作为快照提交到仓库。抓取和构建是两个独立的步骤：站点只用已经存档的文件重新构建，构建过程从不实时调用任何外部接口。这样做有两个刻意追求的结果。一是上游宕机不会导致部署失败；二是数字旁边的日期是它被抓取的日期，而不是页面重新构建的日期，所以一个没有变化的页面，会如实显示它没有变化。
每个数据源自己的榜单都在 /leaderboards 下按原作者发布的形式呈现，并附有出处栏：发布方、许可协议（如有注明）以及更新频率。
这里的「归一化」指什么
只有三件事，没有更多。
把名字解析到模型。 claude-opus-4-5、Claude Opus 4.5 和 anthropic/claude-opus-4.5 是同一个模型。匹配依据一份人工维护的别名表，只做精确匹配，没有模糊匹配兜底。原因在于，一次错误的模糊匹配是看不出来的；一个悄悄把两个不同模型合并在一起的聚合站，比一个坦承「分辨不出」的聚合站更糟。
把运行配置与模型身份分开。 Claude Opus 5 (Max Effort) 是一个模型加一项设置，而不是第二个模型。规模、发布阶段、带日期的构建也一样：同一次发布的十一种规模，是同一个模型的十一个档位。
匹配不上的名字照常显示。 它会被标记为「未识别」，留在原始榜单上，而不是被丢弃。悄无声息地丢弃数据，正是聚合站在不知不觉中失真的方式：榜单看起来依然合理，却已经不再完整。
绝不做的事：不合成综合分
本站不会把不同数据源的分数做平均、加权，或以任何方式合成单一排名。首页不会，结构化数据里不会，任何地方都不会。
之所以要特别说明这一点，是因为它恰恰是每个聚合站都会被要求提供的功能。两张榜一平均，看起来就像是一张意见一致的榜，但这份一致是人为制造的。不同基准在不同条件下衡量不同的东西：一场有标准答案的考试，和一轮「人们更喜欢哪个回答」的投票，加在一起并不会更接近真相。两个数据源意见不一时，分歧本身就是值得读的信息，而且就各自衡量的内容而言，两者都没有错。
所以各栏并排放置，各自保持自己的排序，列与列之间从不合并。
斩杀线
这是本站唯一一个由推导得出、而非照搬原榜的图形。它只取同一个数据源自己的两个轴——能力和价格——来推导，绝不把两个数据源的数据拼在一起。
斩杀者是斩杀同类最多的模型，「斩杀」指至少一样便宜、且至少一样强。以它为中心的十字把榜单分成三块：得分更高的是 SOTA，更便宜、得分也更低的是低成本，价格不低于它、得分又不高于它的被斩杀。一次调价就可能让斩杀者易主，不必等到新模型发布，所以每次刷新都会重新计算。
上一代模型会被放到这个十字上定位，但绝不参与画线：斩杀线只在数据源仍列为当前的模型之间计算。
「新上榜」是什么意思
上游没有任何一家公布模型的「上榜日期」，本站也不会编造一个。「新上榜」标记只表示一件事：在一张我们已经持续跟踪的榜单上，最近七天内出现了一行新记录。
一个数据源的第一份快照只作为基线，不产生任何标记，否则一张榜单接入的当天，上面每个模型看起来都是新的。如果某次快照一口气带来了五分之一的榜单，就会被视为换了一批模型，而不是新闻。记录按数据源、按每一行最终对应的模型来登记，所以无论是数据源改写了模型名称，还是本站新增了一个别名，都不会被算作新上榜。
「上一代」是什么意思
有一个数据源把超过一半的行藏在「当前」筛选之后。本站保留这些行并加上标记，而不是把它们隐藏：「我现在该用什么」用不上它们，但「这个领域进步了多少」离不开它们。
这个标记是数据源打的，不是厂商打的。标为「上一代」只说明它已不在该榜的当前列表里，通常是被更新的型号取代了；厂商很可能仍在提供它。Claude Opus 5 在那个榜上就是上一代，但依然可以通过官方 API 调用。
上一代模型保留它在榜上的位置，成绩取该榜仍列为当前的最好配置，不出现在价格图和斩杀线上，因为这两处只比较数据源仍在跟踪的模型。
本站不做什么
不重跑评测。不合成综合分。不对各数据源做主观排名。不展示任何一个脱离发布者名字的数字。