模型智商榜
第三方基准持续对照主流模型的代码、推理与工具调用表现。先看整体差距，再看不同任务中的发挥和近期变化。
综合能力排行榜
对照同一套基准下的整体表现，再结合近期变化和长期趋势判断。
Claude Sonnet 5.5
95
维渡 AI 模型能力指数 综合能力
同一刻度，一眼看清差距。点击柱子，查看分项表现。
完整排行
同分并列 · 排名按当前领域全部模型计算
分项按各自基准独立排序；较近期和 30 天趋势均对应综合得分。分数用于横向对照与观察变化，请结合实际任务体验。
分项基准榜 信号速览
常见问题
这些分数是怎么来的？
来源方 aistupidlevel 持续给主流厂商的一批模型做自动化考试：写代码每小时测一轮，深度推理和调用工具每天各测一轮，另有每 10 分钟一次的健康检查；每项测试内部按 7 个维度打分，再汇成 0–100 的综合分。维渡 AI 每 5 小时同步一份并长期留存，页面顶部会标注同步时间。
什么是「降智」？
同一个模型、没换版本，但表现比自己平时明显变差——比如平时考 72 分，突然只考 42 分。常见原因是服务商在高峰期悄悄降低算力、或把请求路由到了更便宜的通道。来源方用统计学的突变点检测算法（CUSUM 和 Page-Hinkley）盯着这种下滑，几小时内就能发现，不用等好几天。
Codex 降智、Claude 降智了，能在这里看吗？
能，这里就是一个降智雷达：Codex 雷达、CC 雷达盯的是单独一家，这一页同时盯着 Claude、Codex（GPT）、Gemini、DeepSeek、Kimi 等所有主流模型——谁低于自己平时水平、掉了多少、掉了几天，看「较近期」和 30 天趋势就知道。
为什么分数每天变动这么大？
来源方的大部分数据为估算和插值，单日分数会大幅波动，榜单一天内洗牌是常态。看单日排名意义不大，建议看 30 天趋势和「较发布时」的长期变化。
这些分数能代表模型的真实水平吗？
只能作参考。它反映的是「同一套题下的相对表现」，横向对比和盯降智比看绝对分更有意义。选模型还是要结合自己的实际用途实测。
数据多久更新一次？
来源方每小时实测一轮，维渡 AI 每 5 小时同步一次并长期留存——来源方只保留 31 天，我们自己的历史会越攒越长。