300个AI模型综合评分分布的统计分析。探索均值、中位数、百分位数和层级分布，了解AI模型格局。
所有300个评分模型的汇总统计。
平均分
58.5
+/- 17.5 标准差
中位分
59.8
评分范围
40-92
第95百分位
87.8
高于中位数
151
共300个模型
每个10分区间中的模型数量。
按性能层级分组的模型及汇总统计。
| 层级 | 范围 | 数量 | 占比 |
|---|---|---|---|
| Elite | 90–100 | 5 | 1.7% |
| Strong | 70–89 | 92 | 30.7% |
| Average | 50–69 | 65 | 21.7% |
| Below Average | 30–49 | 128 | 42.7% |
| Weak | 0–29 | 0 | 0.0% |
关键百分位数的评分阈值。
| 百分位 | 评分 | 位置 |
|---|---|---|
| P5 | 40.0 | 4092 |
| P10 | 40.0 | 4092 |
| P25 | 40.0 | 4092 |
| P50 | 59.8 | 4092 |
| P75 | 73.0 | 4092 |
| P90 | 82.1 | 4092 |
| P95 | 87.8 | 4092 |
拥有3+模型的服务商，按平均综合评分排名。
| 提供商 | 模型 | 平均评分 |
|---|---|---|
1Anthropic | 14 | 76.4 |
2xAI | 11 | 72.0 |
3OpenAI | 57 | 71.4 |
4Google | 23 | 68.4 |
5MiniMax | 8 | 68.3 |
6Zhipu AI | 12 | 67.9 |
7DeepSeek | 12 | 66.9 |
8Xiaomi | 5 | 60.3 |
9Moonshot AI | 5 | 58.4 |
10Meta | 9 | 55.5 |
模型在前20%、中间60%和后20%评分中的分布情况。
评分的计算方式以及分布所揭示的信息。
每个模型获得0到100的评分，主要基于基准测试分数（90%），来源包括Arena Elo、MMLU、GPQA、HumanEval、SWE-bench等15+标准化评估。功能和上下文窗口作为辅助排序（10%）。该评分旨在用一个数字衡量模型的科学评估质量。
评分分布揭示了AI模型的竞争格局。中位数附近的紧密聚集表明有许多能力相近的模型，而分散的分布则表明层级之间有明显的差异。分布的形状、偏斜度以及均值和中位数之间的差距都能揭示市场是头重脚轻、底部沉重还是均匀分布。
The score distribution shows how all 290+ tracked AI models are spread across the 0-100 SignalScore scale. Most models cluster in the 40-70 range, with a small elite group scoring above 80 and budget/older models falling below 30.
SignalScore is a composite metric combining six weighted factors: benchmark performance (90%) from MMLU, GPQA, HumanEval, SWE-bench, and 15+ standardized evaluations, with capabilities and context window as tiebreakers (10%). Each factor is normalized to a 0-100 scale before weighting.
Models scoring above the 75th percentile (typically 65+ SignalScore) are considered strong performers. The top 10% of models score above 78, while the median score across all tracked models sits around 52-55.