Artificial Analysis Intelligence Index
前沿模型到底谁更聪明？Artificial Analysis 将 GPQA Diamond、Humanity's Last Exam、Terminal-Bench 等 9 项独立评测加权汇总为一个智能指数，分数越高越强。
57.653.4
52.7
48.147.5
46.4
45.4
44.844.3
43.641.8
40.9
39.537.333.7
29.2
25.0按 Artificial Analysis 智能指数排列的前 20 名模型；括号内为推理力度，条形自基线 20.1（非零）起算、按最高分归一化；标签数值为真实分数。数据快照： · 指数版本： v4.3.2. Artificial Analysis 方法论 · 查看完整模型榜单
来自 Artificial Analysis 的十三个榜单
既看构成智能指数的九项评测，也看单任务成本、API 定价与输出速度——这些取舍决定实际价值。除两张成本图外，数值越高越强。
GDPval-AA v2
基于真实表格与文档的定量分析。
67.3%61.7%59.8%58.7%58.4%57.3%57.0%55.3%55.0%τ³-Banking
真实银行工作流中的 Agent 工具调用能力。
50.7%50.5%50.3%48.0%47.8%47.2%47.2%46.0%44.9%41.4%SciCode
科学计算与科研代码问题。
66.9%63.1%59.5%59.0%58.8%57.6%57.4%56.6%Humanity's Last Exam
覆盖数十个领域的极高难度学术问答。
61.4%59.1%54.7%48.7%47.9%47.8%46.9%43.1%GPQA Diamond
研究生水平科学问答（Diamond 子集）。
96.1%95.3%94.9%93.7%93.5%93.5%92.9%92.8%91.7%91.2%CritPt
模糊指令下的临界点推理能力。
31.7%31.7%30.9%30.6%29.7%24.9%23.4%19.4%AA-LCR
长文档跨段落的上下文推理。
88.7%85.3%84.7%84.0%83.7%83.3%83.3%83.0%Cost per Task
每个智能指数任务的综合美元成本，按 Token 类型拆分。
$0.055$0.068$0.124$0.253$0.265
$0.437$0.508
$0.549$0.607Output Speed (tok/s)
模型 API 的输出速度（Token/秒，中位数）。
345288232222163149145132121104所有图表：每张图取前 10 名模型，由 Artificial Analysis 独立测量；柱长已截断以突出差异，标签数值为真实分数。数据快照： . Artificial Analysis 方法论
API 定价：缓存命中、输入与输出
各模型官方牌价（美元/百万 Token），按三项之和从高到低排序。每个模型三根独立柱；所有柱共用同一比例尺，可跨模型直接比较。
牌价来自各模型 API，由 Artificial Analysis 整理发布。不支持提示缓存的模型没有缓存命中价。数据快照： .
按任务选择，不跟风
选择一个任务，获得实用的决策路径：先比较什么、哪些工具值得深入查看，以及付费前需要检查哪些风险与成本。
先从 Claude 或 ChatGPT 开始；只有确实需要专门的工作流功能时，再考虑写作类垂直工具。
对大多数写作任务，第一步不是挑某个写作应用，而是判断哪款 AI 助手能在预算内提供最好的起草、编辑与推理闭环。
先选交互方式：编辑器、扩展插件，还是终端 Agent。
以编辑器为核心工作流时，Cursor 更合适；终端和仓库级任务较多时，Claude Code 更匹配。套餐限制与团队控制通常比单纯的模型名称更重要。
检索阶段使用重视引用的工具，综合阶段再使用基于来源材料的工具。
Perplexity 适合带来源的探索；当你已经有文档并需要基于材料进行综合时，NotebookLM 更合适。
按输出质量、可控性与生产约束来选择。
Midjourney 是很强的创意质量标杆；Flux 适合模型与 API 工作流；当可控性和所有权很重要时，Stable Diffusion 生态更值得考虑。
你想完成什么任务？
这些指南页是主要入口，每一页都会把庞杂市场缩小成一份实用候选清单。
核心对比：把取舍讲清楚
当你已经确定品类、但还需要选择具体工具时，从这些页面开始。
ChatGPT vs Claude vs Gemini
从写作、研究、编程与生态适配角度选择日常 AI 助手。
编程Cursor vs Codex vs Claude Code
从开发者实际使用出发，对比编辑器、扩展插件与终端 Agent 工作流。
图像生成Midjourney vs GPT Image vs Stable Diffusion
对比创作质量、可控性、模型获取方式与生产适配。
APILLM API 定价
对比 OpenAI、Anthropic、Google 等模型提供商的 Token 成本。
套餐AI 编程工具套餐定价
在投入团队预算前，对比 AI 编程工具的订阅费用与套餐限制。
目前重点关注的十款核心工具
这些工具档案用于支撑指南与对比页；本站不会把所有长尾工具一视同仁地堆到用户面前。
ChatGPT
通用 AI 助手，也是多数对比中的基准参照。
AI 助手Claude
擅长写作、分析与长上下文推理工作流。
AI 助手Gemini
Google 生态中的 AI 助手，覆盖多模态与 API 场景。
研究Perplexity
适合带引用回答、网页研究与快速的来源驱动探索。
编程Cursor
面向希望把 AI 助手直接放进 IDE 的开发者的 AI 原生代码编辑器。
编程Claude Code
面向终端工作流的编程 Agent，适合仓库级编辑与规划。
图像生成Midjourney
面向设计师、营销人员与视觉探索场景的创意图像标杆。
图像生成Flux
现代图像模型家族，面向高质量生成与 API 场景。
视频Runway
面向创意生产与短视频实验的 AI 视频工作流工具。
研究NotebookLM
面向基于来源材料的阅读、笔记与综合工作流。
做决定前，先检查成本与安全
选 AI 工具不只看功能；成本、限制、隐私与工作流适配同样重要。
追踪势头上升的 AI 项目
保持决策入口聚焦，同时保留通往 GitHub AI 热度的路径，便于发现快速上升的开源项目。