---
title: "Artificial Analysis 替代品：大模型评测与排行榜 | BroadRouter"
description: "Artificial Analysis 替代品对比：Arena、Epoch AI、Vals AI、OpenRouter 排行、Hugging Face 和价格数据，各自衡量什么、什么时候用。"
url: https://broadrouter.com/zh/blog/artificial-analysis-alternatives/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/artificial-analysis-alternatives/)（2026-11-15 更新）。

# Artificial Analysis 替代品：2026 年在哪里比较大模型

BroadNet Inference 团队 · 阅读约 7 分钟 · 发布于 2026-11-15

Artificial Analysis 是按 API 服务商衡量大模型速度、延迟和智能得分的主要独立来源。每个替代品衡量的东西都不同：Arena 排的是人类偏好，Epoch AI 和 Vals AI 公布基准测试结果，OpenRouter 按用量排名，而 BroadRouter（BroadNet 的网站）这类价格数据库只列价格。建议两个并用，再用自己的数据测试。

## 要点

-   Artificial Analysis 的优势是按服务商端点实测速度和延迟：它对真实请求计时，并取过去 5 天的平均值。
-   Arena（原 LMArena）按人类盲投给模型排名；Epoch AI 和 Vals AI 公布基准测试分数；OpenRouter 按处理的 token 量排名，而不是按质量。
-   Epoch AI 提供 CC BY 许可的 CSV 下载；Artificial Analysis 有免费 API，但要求注明出处。
-   BroadRouter 是 BroadNet 自己的网站。它的价格数据列出各服务商公布的价格并附来源，不衡量速度或质量。
-   没有哪个排行榜能替代用你自己的 50 到 100 个输入做测试。

**本页内容**

1.  Artificial Analysis 擅长什么？
2.  Artificial Analysis 有哪些替代品？
3.  Arena 有什么不同？
4.  什么时候 Epoch AI 和 Vals AI 更合适？
5.  OpenRouter 排行到底说明了什么？
6.  Hugging Face Open LLM Leaderboard 还值得用吗？
7.  在哪里比较阿拉伯语模型？
8.  BroadRouter 的价格数据处于什么位置？
9.  如何组合使用这些网站？
10.  BroadNet Inference 的情况

比较大模型 API 时，Artificial Analysis 往往是第一站，因为它会对每家服务商的真实请求计时。但它只是一个视角。其他网站按人类投票、基准分数、用量或价格排名，各自回答不同的问题。本文说明每个网站衡量什么、怎么衡量、能拿到哪些数据，以及什么时候该用它。下面的每条事实都是我们在 2026 年 11 月 15 日从各网站自己的页面上读到的。

先做一个说明：BroadRouter 是 BroadNet 自己的网站。它把开发者引向 BroadNet Inference，并公布价格数据。它不对模型做评测，出现在这份列表中只是因为价格。

## Artificial Analysis 擅长什么？

Artificial Analysis 自称 “Independent analysis of AI”（译文：独立的 AI 分析）。它的[方法说明页面](https://artificialanalysis.ai/methodology)解释了三件很少有人做的事：

-   \*\*按服务商端点测速度。\*\*输出速度是 “output tokens per second over each request’s full duration”（译文：每个请求全程的每秒输出 token 数），包括思考 token，并取 “over the workloads we measured in the past 5 days”（译文：过去 5 天内我们测量的工作负载）的平均值。因为同一个模型 “may have multiple endpoints across different providers”（译文：可能在不同服务商有多个端点），你能看到同一个模型在一家托管商上比另一家跑得更快。
-   \*\*可比较的延迟。\*\*它报告首 token 时间、首个回答 token 时间（包含思考过程，因此思考模型和非思考模型可以公平比较）以及端到端时间。
-   \*\*自己的评测。\*\*Intelligence Index v5.0.1 把九项评测分成四个等权重的组（知识工作、编程、科学、通用）。其中几项是它自己的基准，或是它自己运行的他人任务，并注明了重复次数。

它的服务商排行榜覆盖 “over 500 AI Model endpoints”（译文：500 多个 AI 模型端点），列出每个任务的成本、每个任务的耗时、首个回答 token 延迟、错误率、上下文窗口和许可证。价格是 “the current prices listed by providers”（译文：服务商当前列出的价格），它的混合价格按缓存命中、输入和输出 token 7:2:1 的比例计算。如果你的工作负载以输出为主，请在心里调整这个比例。

如果你需要按服务商实测的速度和错误率，它很难被替代。人们寻找替代品，通常是想要不同的信号：人类偏好、特定领域、可下载的原始数据，或者每一行都有来源的价格表。

## Artificial Analysis 有哪些替代品？

| 网站 | 衡量什么 | 方法 | 可获取的数据 | 最适合 |
| --- | --- | --- | --- | --- |
| [Artificial Analysis](https://artificialanalysis.ai/) | 智能指数、输出速度、延迟、错误率、各端点价格 | 自己运行评测并对请求计时；速度按 5 天滚动窗口 | 免费 API，须注明出处 | 按服务商比较速度和延迟 |
| [Arena](https://arena.ai/leaderboard)（原 LMArena） | 人类偏好 | 两个匿名模型作答，由人投票，投票后才公布名称 | Hugging Face 上的开放偏好数据集 | 人们对回答的感受 |
| [Epoch AI Benchmarking Hub](https://epoch.ai/benchmarks) | 随时间变化的基准分数 | 部分基准用 Inspect 自己运行；其余从官方排行榜收集 | CSV 和 Python 客户端；自有数据为 CC BY | 趋势和原始分数 |
| [Vals AI](https://www.vals.ai/benchmarks) | 领域准确率、成本和延迟 | 42 项基准，部分为私有或保留测试集 | 基准测试页面未说明 | 法律、金融、税务等领域 |
| [OpenRouter 排行](https://openrouter.ai/rankings) | 用量 | 通过 OpenRouter 处理的 token，按 UTC 天汇总 | 带价格的公开模型 API | 开发者实际在用什么 |
| [Open LLM Leaderboard](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about)（Hugging Face） | 开放权重模型分数 | Eleuther AI 评测框架中的六项基准 | 结果和请求数据集 | 比较开放模型文件 |
| [BroadRouter 价格数据](https://broadrouter.com/data/llm-api-provider-prices/)（BroadNet 的网站） | 仅公布价格 | 从每家服务商自己的价格页读取，附 URL、日期和原文引用 | CSV 和 JSON，汇编整体为 CC BY 4.0 | 在源头核对价格 |

## Arena 有什么不同？

Arena（lmarena.ai 现在会跳转到 arena.ai）请真实用户比较两个匿名回答并选出一个。模型名称只在投票后显示。它衡量的是偏好，混合了准确性、语气、长度和格式。它的排行榜分为多个榜单，包括 Text、WebDev、Vision、Document 和 Search，Pareto 视图还会显示每个任务的成本。Arena 表示已在 Hugging Face 上开源其偏好数据，如果你想研究投票本身而不只是看排名，这很有用。

可以用它看一个对话回答在人们眼中的效果。不要用它为 API 选服务商：它给模型排名，而不是给托管商排名，也不涉及某个端点上的速度。

## 什么时候 Epoch AI 和 Vals AI 更合适？

**Epoch AI** 维护一个基准测试结果数据库，我们核实时它跟踪了 99 项基准和 428 个模型。部分结果由它自己用 Inspect 框架运行；其余来自基准作者维护的官方排行榜。你可以下载 CSV 数据，或使用它的 Python 客户端。它的自有数据按 CC BY 许可，注明出处即可免费复用；来自外部的结果保留其原始许可。如果你想要原始分数或趋势线，而不是单一指数，选 Epoch。

**Vals AI** 运行 42 项基准，覆盖法律、金融、医疗、编程、数学等领域，部分测试集为私有或保留集，降低了模型在测试题上训练过的风险。它的排行榜比较准确率、成本和延迟，它的 Inference Provider Index 则从准确率、成本和速度三方面比较服务商。它的综合指标 Vals Index 按各行业在美国 GDP 中的占比加权。如果你的任务与它覆盖的某个领域相似，选 Vals。

## OpenRouter 排行到底说明了什么？

用量。每个模型按 “tokens it processed through the OpenRouter API”（译文：它通过 OpenRouter API 处理的 token）排名，提示和补全合计，时间窗口为过去一天、七天或三十天。页面明确说明，这些排行 “do not rank models by accuracy, reasoning ability, or benchmark performance”（译文：不按准确性、推理能力或基准测试表现给模型排名）。写长回答或在长智能体循环中运行的模型会在榜单上往上爬。把它当作热度信号和值得测试的模型清单来看。OpenRouter 还有一个公开的模型端点，列出每个模型的价格，但那是 OpenRouter 的收费，而不是各托管商直接收取的价格。

## Hugging Face Open LLM Leaderboard 还值得用吗？

对开放权重模型文件来说，值得，但要谨慎。Hugging Face 的文档说，第一版已于 2024 年 6 月归档并被取代。当前版本在 Eleuther AI 评测框架中用 IFEval、BBH、MATH level 5、GPQA、MuSR 和 MMLU-Pro 给模型打分，并以数据集形式公布结果。它评测的是模型文件，而不是托管 API，所以无法告诉你价格、速度，或者某家服务商如何提供这个模型。

## 在哪里比较阿拉伯语模型？

通用排行榜很少涉及阿拉伯语，Arena 可见的筛选项里也没有语言。Hugging Face 上的两个 Space 填补了部分空白：

-   [Open Arabic LLM Leaderboard](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)，由 OALL 组织运营，面向阿拉伯语文本。
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)，自称 “a benchmark for open-source multi-dialect Arabic ASR models”（译文：面向开源多方言阿拉伯语 ASR 模型的基准），面向语音识别。BroadNet 报告其 Transcribe Arabic 模型的成绩为 第 2 名（共 37 个）（这是 2026年9月的数据；2026年11月15日实时榜单上为 39 个中的第 4 名）。这是 BroadNet 自己的数字，而且榜单会随着新模型加入而变化。

语音结果要按方言看，而不只看平均值。方法见[阿拉伯语 ASR 词错误率详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)。

## BroadRouter 的价格数据处于什么位置？

BroadRouter 发布三种价格资源：按模型分的[大模型 API 价格页面](https://broadrouter.com/zh/llm-api-pricing/)、包含中位数和价差的[价格指数](https://broadrouter.com/data/llm-api-price-index/)，以及[原始服务商价格数据库](https://broadrouter.com/data/llm-api-provider-prices/)。每一行都从服务商自己的价格页读取，并与来源 URL、日期和原文引用一起保存，每周由脚本重新抓取来源。不使用任何聚合平台的数据源。

它不做什么同样重要：

-   它**不衡量速度、延迟、可用性或质量**。这些请用 Artificial Analysis、Arena、Epoch AI 或 Vals AI。
-   它**只收录第三方价格**。BroadNet 自己的价格见其 [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-artificial-analysis-alternatives&utm_content=body) 和[价格页面](https://broadrouter.com/zh/pricing/)。
-   它是 **BroadNet 的网站**，所以请把它看作一份你可以逐行核对的厂商汇编，而不是中立的评判者。

## 如何组合使用这些网站？

1.  \*\*按质量列出候选。\*\*用 Arena 看对话感受，用 Epoch AI 或 Vals AI 看你所在领域的任务分数。保留三到五个模型。
2.  \*\*在你要用的托管商上检查速度。\*\*Artificial Analysis 显示每个端点的速度和延迟。[大模型延迟详解](https://broadrouter.com/zh/blog/llm-latency-ttft-throughput/)说明了哪个数字对你的应用最重要。
3.  \*\*在源头核对价格。\*\*用价格数据库找到服务商，再打开每家服务商自己的页面。留意缓存输入和输出价格，对很多工作负载来说，它们对账单的影响比输入价格更大。
4.  \*\*用你自己的数据测试。\*\*让每个入围模型处理 50 到 100 个真实输入并打分。[基准测试](https://broadrouter.com/zh/glossary/llm-benchmark/)只有在任务与你的任务相似时，才能预测你的结果。方法见[切换大模型之前如何评估](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)，限额、隐私和支持见 [20 项服务商检查清单](https://broadrouter.com/zh/blog/choose-llm-api-provider-checklist/)。

## BroadNet Inference 的情况

BroadNet Inference 是一个 OpenAI 兼容 API，而不是排行榜。它提供的模型不多：DeepSeek V4.1 Flash（由合作伙伴托管）、GLM 5.3、Qwen3.8 27B、Gemma 4 VL 26B 和两个语音转文字模型。工具调用和结构化输出只在 GLM 5.3 和 Qwen3.8 27B 上有文档说明。自助账户没有 SLA，也没有批处理 API 或 embeddings。如果其中某个模型进了你的候选名单，$5 初始额度可用于 Gemma 4 VL 26B、两个 Transcribe 模型和 Gemma 按小时密钥，所以你可以在付费前用自己的输入完成第 4 步；DeepSeek、GLM 和 Qwen 需要充值。提示词和回答不会被保留。[比较这些模型](https://broadrouter.com/zh/models/)或[创建账户](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-artificial-analysis-alternatives&utm_content=body)。

相关免费工具（英文）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[开放权重模型（open-weight model）](https://broadrouter.com/zh/glossary/open-weight-model/)

开放权重模型是公开发布训练好的权重、任何人都可以下载和运行的机器学习模型，通常附带有条件的许可证。它不同于完全开源的 AI，后者还会公开训练代码和训练数据的详细信息，让其他人能够研究并复现模型。

[每秒 token 数（TPS，tokens per second）](https://broadrouter.com/zh/glossary/tokens-per-second/)

每秒 token 数（TPS）是语言模型生成输出 token 的速率，通常针对单个请求、在首个 token 到达之后测量。它决定了回复开始后流得有多快。把所有并发请求加起来就是系统吞吐量；首个 token 之前的等待时间则单独测量。

[嵌入向量（embeddings）](https://broadrouter.com/zh/glossary/embeddings/)

嵌入向量（embeddings）是模型为一段文本、一张图片或其他输入生成的浮点数列表（向量）。意思相近的输入会得到彼此接近的向量，因此可以用向量之间的距离来给搜索结果排序、对文档聚类或查找相关条目。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[大模型基准测试（LLM benchmark）](https://broadrouter.com/zh/glossary/llm-benchmark/)

大模型基准测试是一组固定、通常公开的任务和评分方法，用来在某一项能力上衡量和比较语言模型，比如知识问答、编程或语音识别。基准分数反映的是模型在该测试上的相对能力，而不是它在你自己的业务负载上的表现。

[推理服务商（inference provider）](https://broadrouter.com/zh/glossary/inference-provider/)

推理服务商是在自有、租赁或租用的 GPU 上运行机器学习模型（通常是开放权重的大模型），并通过 API 出售使用权的公司，通常按 token、按请求或按时间计价。它负责模型部署、扩缩容和硬件。

## 常见问题

### Artificial Analysis 最好的替代品是什么？

取决于你想比较什么。看人类偏好，用 Arena。要可下载的基准测试分数，用 Epoch AI。看法律、金融、税务等领域任务，用 Vals AI。看开发者实际在用什么，用 OpenRouter 排行。至于按服务商实测的速度，在这些网站中，Artificial Analysis 本身没有相近的替代品。

### Artificial Analysis 有 API 吗？

有。它的文档（2026 年 11 月 15 日核实）介绍了一个 "focused on model benchmarks"（译文：专注于模型基准测试）的免费 API，密钥从其 Insights Platform 获取。免费 API 的一切使用都必须注明 artificialanalysis.ai 为出处。数据更多的商业 API 面向合作伙伴提供。

### Hugging Face Open LLM Leaderboard 还有用吗？

据 Hugging Face 的文档，它的第一版已于 2024 年 6 月归档。第 2 版用 IFEval、GPQA 和 MMLU-Pro 等六项基准给开放权重模型打分，结果放在公开数据集中。它覆盖的是开放权重模型文件，而不是托管 API，也不涉及价格或速度。

### OpenRouter 排行能说明哪个模型最好吗？

不能。排行页面说明，它统计的是通过 OpenRouter 处理的 token 量，并且 "do not rank models by accuracy, reasoning ability, or benchmark performance"（译文：不按准确性、推理能力或基准测试表现给模型排名）。它反映的是热度，而冗长的模型和长时间运行的智能体循环会推高这个数字。

### BroadRouter 会对模型做评测吗？

不会。BroadRouter 是 BroadNet 自己的网站。它公布从各服务商自己页面读取的价格，附来源和日期，另有分词器测量数据。它不衡量速度、延迟或回答质量，所以不能替代 Artificial Analysis 或基准测试网站。

### 在哪里可以比较阿拉伯语模型？

阿拉伯语文本，看 Hugging Face 上的 Open Arabic LLM Leaderboard（OALL）。阿拉伯语语音识别，看 Open Universal Arabic ASR Leaderboard，它自称是面向开源多方言阿拉伯语 ASR 模型的基准。请按方言查看词错误率，而不只看平均值。

## 继续阅读

-   [切换服务商之前，如何评估大模型](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)
-   [如何选择大模型 API 服务商：20 项检查清单](https://broadrouter.com/zh/blog/choose-llm-api-provider-checklist/)
-   [推理服务商怎样给开源模型定价：6 家对比](https://broadrouter.com/zh/blog/llm-inference-provider-pricing-compared/)
-   [大模型延迟：首 token 延迟、每秒 token 数与端到端耗时](https://broadrouter.com/zh/blog/llm-latency-ttft-throughput/)
-   [阿拉伯语语音识别的词错误率（WER）详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)
-   [大模型 API SLA 对比：Azure、Bedrock、Google 和 OpenAI 承诺了什么](https://broadrouter.com/zh/blog/llm-api-sla-uptime-compared/)
-   [BroadNet 评估后淘汰了哪些模型，原因是什么](https://broadrouter.com/zh/blog/models-broadnet-ruled-out/)
-   [指南：免注册，在浏览器里试用 BroadNet Inference](https://broadrouter.com/zh/guides/try-broadnet-inference-playground/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-artificial-analysis-alternatives&utm_content=page-cta) ·

**来源**

-   [Artificial Analysis 首页："Independent analysis of AI"（2026-11-15 核实）](https://artificialanalysis.ai/)
-   [Artificial Analysis 方法说明：输出速度、延迟、5 天窗口、混合价格（2026-11-15 核实）](https://artificialanalysis.ai/methodology)
-   [Artificial Analysis Intelligence Index v5.0.1 评测项（2026-11-15 核实）](https://artificialanalysis.ai/methodology/intelligence-benchmarking)
-   [Artificial Analysis API 服务商排行榜：500 多个模型端点（2026-11-15 核实）](https://artificialanalysis.ai/leaderboards/providers)
-   [Artificial Analysis API 文档：免费 API，须注明出处（2026-11-15 核实）](https://artificialanalysis.ai/documentation)
-   [Arena（原 LMArena）运作方式：匿名对战、开放偏好数据集（2026-11-15 核实）](https://arena.ai/how-it-works)
-   [Arena 排行榜分类（2026-11-15 核实）](https://arena.ai/leaderboard)
-   [OpenRouter 排行：处理的 token 量、时间窗口，并非质量排名（2026-11-15 核实）](https://openrouter.ai/rankings)
-   [OpenRouter API 参考：列出模型，含价格的公开模型目录（2026-11-15 核实）](https://openrouter.ai/docs/api-reference/list-available-models)
-   [Epoch AI Benchmarking Hub：自测与外部结果、CSV、CC BY（2026-11-15 核实）](https://epoch.ai/benchmarks)
-   [Vals AI 基准测试：42 项基准、私有测试集、Inference Provider Index（2026-11-15 核实）](https://www.vals.ai/benchmarks)
-   [Hugging Face 文档：Open LLM Leaderboard v1 已于 2024 年 6 月归档（2026-11-15 核实）](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/archive)
-   [Hugging Face 文档：Open LLM Leaderboard（v2）任务与结果数据集（2026-11-15 核实）](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about)
-   [Hugging Face 上的 Open Arabic LLM Leaderboard（OALL）（2026-11-15 核实）](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [Hugging Face 上的 Open Universal Arabic ASR Leaderboard（2026-11-15 核实）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet Inference 机器可读价格，pricing.json（2026-11-15 核实）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-artificial-analysis-alternatives&utm_content=sources)
