01
信息分散，缺乏统一评估
2025年下半年起，AI行业进入"无稳定范式"阶段，模型日更级迭代，但信息分散在Twitter、HuggingFace、各公司博客等6+平台，缺乏统一评估标准。
聚合6+平台数据，建立统一日报与五维评估框架。
Framework / 五维评估
核心设计：五维评估框架
参考行业主流基准测试（AIME测数学、GPQA测科学、SWE-bench测代码、HumanEval测编程），但做了产品化改造——把技术评测转化为用户可理解的选型维度。每项 1-10 分，满分 50 分，一眼看完模型在五维上的强弱分布。
✦
以 Kimi K2.6 为例：五维总分 47/50
领域知识深度
9
衡量模型在通用知识、数学推理（AIME）、科学问答（GPQA）等基础能力上的表现。
任务专项能力
9
覆盖代码（HumanEval/SWE-bench）、创意写作、长文档分析、多语言翻译等具体任务。
交互与可控性
9
关注上下文窗口、指令跟随、多轮对话稳定性与输出可控性，决定模型能否嵌入真实工作流。
成本与效率
10
结合调用成本、响应速度与免费额度，帮助 MVP 和小成本项目做落地决策。
生态与部署
10
衡量 API 稳定性、平台集成、多模态能力与部署便捷性，让模型从"可用"变成"好接入"。
图片. 五维评分总览页（领域知识/任务专项/交互可控/成本效率/生态部署）
Dashboard / 数据看板
数据看板：TOP 10 与模型分类
基于最新模型评测数据，输出综合评分TOP 10排名，同时按国际大模型与国内大模型分类展示，方便不同部署环境下的选型参考。
20+
监控公司
40+
模型版本
11
应用场景
每日
自动更新
国际大模型
OpenAI、Google、Anthropic 等海外厂商模型，关注基础能力、多模态与全球生态。
国内大模型
DeepSeek、Kimi、豆包等国产模型，关注中文场景、接入成本与合规部署。
每项1-10分，将"模型很强"转化为"场景X适合用模型Y，因为Z"。
图片. TOP 10模型总览 + 国际/国内大模型分类看板
Scenarios / 场景化选型
场景化选型：11个日常场景TOP 10
日常使用中意识到五维评分颗粒度不够——比如"任务专项能力"维度下，某模型逻辑推理强但创意生成弱。因此设计二级标签体系，将每个维度拆分为子能力标签，让"场景匹配"更精准。
二级标签体系
把"任务专项能力"等粗粒度维度，拆分为代码、写作、分析、翻译等子能力标签，实现场景级精准匹配。
内容创作
创意写作
视频脚本
图片生成
效率办公
多文件信息提取
文件内容对比
数据分析
开发翻译
代码编程
多语言翻译
语音对话
日常通用
图片. 场景选型指南（多文件信息提取等11个场景当日TOP 10）
Archive / 模型档案
模型档案：最新一代主力模型
建立"模型清单"档案页，分国际/国内两大阵营，记录每款模型的版本、发布日期、核心特性、上一代主力、模型特点。解决"新模型和旧模型有什么区别"的对比痛点。
01
版本与发布日期
清晰记录每款模型的最新版本与发布时间线，避免信息滞后。
02
核心特性
提炼模型的关键能力标签与差异化卖点，快速定位适用任务。
03
上一代主力对比
直接回答"新模型和旧模型有什么区别"，降低选型决策成本。
国际阵营
OpenAI · Google · Anthropic · xAI · Meta
国内阵营
DeepSeek · Kimi · 豆包 · 通义 · 文心
图片. 最新一代主力模型档案（国际/国内分类，含版本、特性、对比）