数据范围与入选规则

AI Ranking 汇总公开数据快照,不开展受控基准测试。测量窗口未知,记录可能过期或不完整。公开可用率和延迟不是服务等级保证,也不能替代实际业务验收。

先按来源顺序去重,最多保留 500 条,再进行评分。主榜和专题采用静态分页,每页最多 40 条。同一快照重复构建,会得到相同的排序。

来源顺序与可用率

来源位置权重为 10,从首位的 60 分线性映射到末位的 40 分;只有一条入选记录时取中性 50 分。可用率权重为 25:100 × clamp((u − 80) / 20),其中 u 为百分比可用率,clamp 将结果限制在 0–1。

缺失或无效的可用率不计入,包括超出 0–100% 的值,而不是将其截成有效观测。有效但低于 80% 的可用率,在这一分项得到零分。

延迟换算

延迟权重为 20。将有效的 t 限制在 1,000–15,000 毫秒,再计算 100 × (1 − log(t / 1000) / log(15))。报告的延迟越低,得分越高;对数换算不会产生新的实测证据。

缺失、非数值、零和负延迟均剔除。有效的正延迟超出评分区间时按边界封顶或封底,不视为缺失。

评价的贝叶斯平滑

评价权重为 15。设评价数量为 n、平均星级为 r,平滑星级为 (n × r + 35) / (n + 10),之后按 (平滑星级 − 1) / 4 × 100 转分,相当于加入十条平均 3.5 星的先验评价。

有效平均星级须在 1–5 之间,且评价数量为正。缺失、无效星级或非正评价数量不进入评分;平滑处理不等于验证评价真实性。

模型数量与存续时间

模型数量权重为 10:log1p(min(n, 40)) / log(41) × 100,仅正数量参与。存续时间权重为 5:clamp(存续天数 / 730) × 100,以数据快照日期为基准。

缺失、无效或晚于快照的成立日期被剔除。目录广度与时间长度只是背景信号,不证明模型能力或服务可靠性。

付款与商业功能

支付方式权重为 5:min(方式数量 / 3, 1) × 100,空列表不计入。退款与发票各占权重 5,为真得 100 分,为假得 0 分,未知则剔除。这些字段不评价条款是否宽松,也不代替合同核实。

缺失数据与覆盖率

缺失信号从加权总和及其分母中同时剔除。加权均值为可用分项的加权总和除以可用权重。覆盖率 = 可用权重 / 100。

最终分数 = 50 + (加权均值 − 50) × (0.35 + 0.65 × 覆盖率)。覆盖率较低会将结果拉向 50,而不是直接判为不合格。“未知”与“明确不支持”始终不同。

排序与专题边界

展示顺序沿用来源 data.json 的排名。数据评分只作对照,不改变这个名次。页面分数显示一位小数。

专题归属来自关键词匹配,不表示能力已验证、具备官方关系或通过了真实集成测试。使用前应直接核实当前支持范围与合同条件。