评分方法
查看综合分权重、各维度评分细则，以及档位、耗时和费用的比较口径。
综合分与排名
后端工程 40%前端交互 30%知识推理 30%
各维度满分均为 100 分。综合分采用同一实测配置的完整成绩，按上述权重加权计算，保留一位小数。每个模型默认展示综合分最高的完整档位，缺失成绩不按 0 分补齐。
后端工程
服务逻辑、异常处理与测试验证。
- 服务契约与边界
- 接口约束、输入校验与边界条件处理。
- 重试策略与异常场景
- 异常恢复、重试条件与失败兜底处理。
- CI 方案与对抗审计
- 验证方案、风险识别与审计依据。
- 事务状态与一致性
- 状态流转、并发控制与数据一致性保障。
- 缓存策略与回归
- 缓存失效、数据更新与回归测试覆盖。
前端交互
界面功能、交互行为与状态反馈。
- 布局与适配
- 内容组织、布局约束与多端响应式适配。
- 交互行为
- 输入响应、操作闭环与边界交互行为。
- 状态连续性
- 跨步状态传递、异常恢复与操作连续性。
- 可访问性与反馈
- 控件语义、无障碍支持与状态反馈清晰度。
- 状态校验与回归
- 预期状态判断与交互行为回归验证。
知识推理
跨学科专业知识与复杂问题求解。
- 数学推理
- 数学概念、逻辑推导与计算准确性。
- 计算机与 AI
- 计算机体系、算法设计与人工智能原理。
- 自然科学与工程
- 科学原理、定量分析与工程问题求解。
- 生命科学与医学
- 生命科学机制、医学知识与专业判断。
- 人文社会与综合知识
- 人文社科知识、概念辨析与综合判断。
思考档位、耗时与费用
思考档位是模型的推理强度设置。展开模型可查看不同档位的成绩与子轴明细，也可在对比页并排比较。评测耗时与参考费用对应当次评测执行记录，不代表日常单次对话速度或订阅账单。
表现与消耗的比较方法
每个模型固定取当前维度最高分档位，横轴可切换参考费用与 Token 用量，采用对数刻度；纵轴为得分。仅绘制当前已发布、完整且大于零的消耗数据。缺项不会自动换用较低分档位。
横向分界为参考费用可用模型的得分中位数；纵向分界为其中较高分、且消耗数据完整模型的消耗中位数。分区仅表示当前范围内的相对位置。费用为零的模型不进入费用图或其前沿计算。帕累托前沿默认隐藏，可按需开启：前沿配置不存在得分不低、消耗不高且至少一项严格更优的其他配置。连线仅连接离散结果，不代表中间位置存在可选模型。
参考费用是本次评测的 API 费用，不是订阅费用或日常对话单价。Token 用量为输入加输出合计，缓存与推理子项不重复累加；不同模型的分词器不同，不宜将 Token 数直接等同于执行效率。
结果更新与解读
新结果通过核验后更新对应模型与思考档位。未参与、失败或未完成的评测继续保留已有有效成绩。不同评分版本的历史记录保留各自来源，缺少子轴明细时不作推算补齐。
分差反映本次评测任务范围内的表现。选型时请优先查看与你工作相关的能力维度，再结合自有任务验证。