3qk7 / EVIDENCE INDEX · v0.1
证据快照 2026-10-20 14:35 UTC+8模型榜
3qk7 自己计算的证据指数：直接读取 LiveBench、Artificial Analysis 和 Agent Arena 的原始指标；价格和 API 只做选型参考，不参与排名。
研究
聚合 LiveBench Research 与独立 Intelligence Index。
7 项直接指标 · 3 个直接来源
| 名次 | 模型 | 证据指数 | 覆盖率 | API |
|---|---|---|---|---|
| 01 | Claude Opus 5Anthropic | 85.0 | 70% | 可用$5 / $25 / 1M |
| 02 | Claude Opus 5.5Anthropic | 72.0 | 100% | 可用$4 / $20 / 1M |
| 03 | Claude Fable 5Anthropic | 71.0 | 70% | 可用$10 / $50 / 1M |
| 04 | Muse WonderMeta | 69.4 | 100% | 可用$4 / $20 / 1M |
| 05 | GPT-6 AstraOpenAI | 66.1 | 100% | 可用$10 / $50 / 1M |
| 06 | Claude Sonnet 5.5Anthropic | 60.7 | 100% | 可用$2 / $10 / 1M |
| 07 | Gemini 4 ArgonGoogle | 38.1 | 100% | 可用$2 / $10 / 1M |
| 08 | GPT-6.1 SolOpenAI | 34.4 | 100% | 可用$2 / $10 / 1M |
| 09 | Claude Fable 5.1Anthropic | 31.1 | 100% | 可用$10 / $50 / 1M |
| 10 | GPT-6 SolOpenAI | 15.0 | 70% | 可用$2 / $10 / 1M |
| 11 | DeepSeek V4.1 Flash 1017DeepSeek | 7.0 | 100% | 可用$0.15 / $0.6 / 1M |
这张榜怎么算
每个原始指标先在当期候选模型里换算成 midrank percentile，再按板块加权。缺测不是 0 分，而是用中性 50 分占位并降低覆盖率；加权覆盖率低于 70% 就不进正式排名。
综合榜：LiveBench 50% · Artificial Analysis 30% · Agent Arena Work 20%。各分榜使用各自公开权重。
不再导入任何其他聚合榜的总分或名次。NewLab 冻结原始证据与公式，3qk7 从直接指标重新计算当前快照。
Method version: 3qk7-evidence-index-v0.1