你有没有干过这种事:看榜单挑了个AI模型,用了一周就想退货。跑分第一、盲测第一、掏钱之后却觉得亏——这三件事从来就不是一回事。

打开网易新闻 查看精彩图片

有三个站点分别回答三个不同的问题:一个告诉你数字,一个告诉你哪款模型在盲投里赢,第三个(我自己做的)告诉你,人们觉得它值不值这个钱。

Artificial Analysis:只给数字

它是AI世界里最接近规格表的东西。跨数百个模型测智能、速度和价格,持续更新,不带观点。这是它的价值,也是它的边界。

它擅长回答"现在哪个模型客观上最强",但它不是推荐。一个模型可以霸榜智能指数,拿去干你手头的活却难用得要命。它不会告诉你这一点,因为它压根没打算回答这个问题。

LMArena:盲投定胜负

它给你两个匿名回答,问你哪个更好。几百万票投下来,得到一个反映人类真实偏好的Elo排名。

它擅长回答"哪个聊起来感觉更好",但它回答不了"我该为哪个付钱"。盲投看不出赢家是不是那个一下午就烧光你月度额度的家伙。偏好不等于价值。

highworth.ai:值不值这个钱

它把问题从"哪个更好"翻成"这钱花得值不值"。每个模型的分数来自真正用过它的人,评价取自Hacker News、Reddit、V2EX和Bilibili,每条引述都链回原始出处。最终给出一个百分比:有多少人认为它值得付费。

它擅长回答"我该不该在这上面花钱",但它不是基准测试。样本比大型竞技场小,受众偏技术向。三条评价得出的分数和五十条不是一回事,这一点页面上写得很清楚。

那到底用哪个?无聊但真实的答案是:三个都用,按顺序来。

  • 先去Artificial Analysis,看客观上谁强;
  • 再去LMArena,看大家实际用起来喜欢谁;
  • 最后去highworth,看人们觉得这钱花得值不值。

一个告诉你什么最好,一个告诉你什么最受欢迎,一个告诉你什么最划算。打开钱包之前,你通常三个都需要。