AI 模型多到记不住，新闻里天天蹦出新名字，可你很难说清此刻到底谁最强、谁最便宜、谁刚出生。 这个站把五百多个大模型搬进了一座像素小镇，每个模型都是住在厂商小屋里的一个角色， 你进来扫一眼就知道当下的格局。
最上面那排是「今日格局」，八块领奖台分别写着最聪明、最会编程、最划算、最便宜、 记性最好、最新发布、国内最强、开源最强。每块只给一个名字、一个数字和一句为什么，三秒读完。 紧接着的一排按类型分，文本、视觉、全模态、图像生成、视频生成、语音各占一格，点进去是筛好的名单。
再往下就是广场本体。国外和国内分成两块，每块又按厂商实力分成头部、主力、尚无评测三条街。 每家厂商住一间能看见内部的小屋，屋里站着这家当下的门面模型。
画归画，数归数。房间和角色只负责身份与观感，真正用来横向比较的是名牌下面那四条能力横条， 也就是聪明、编程、记性、便宜——格子越多越强，缺数据的画成带描边的空槽， 厂商自报的成绩会缀一个「自报」。最底下那行是这个模型的一句话定位，由数据套模板生成， 不经过任何 LLM。屋子下沿偶尔挂一张小纸条，写着「本家更新：某某」， 那是在提醒你这家刚发了新型号、只是还没拿到第三方评测分。
点开任意一个角色，你能看到它的身世、战绩、屋内陈设，以及同系列历代的演进关系。
想横向回顾整个行业，就去「时间线」。几百个模型按发布日期排成一条长河， 往下滚就是一部三年多的 AI 编年史。
想较真谁强谁弱，就去「排行榜」。综合智力、性价比、上下文、价格， 再加上三十多个互不通用的第三方编程赛制，每一榜都标着参赛模型数和数据来源。 跨赛制的分数永远不会被混算成一个数，因为同一个模型换套评测脚手架就能差二三十分。
找具体的东西靠导航条左边那个搜索框。它认模型名，也认厂商，还认能力—— 你输入「多模态」，它会告诉你全站有多少个并直通筛好的名单； 你输入「智谱 多模态」，它就回答「智谱到底有没有多模态模型」这个问题。
最后，这个站点不需要人维护。新模型发布、旧模型退役、价格调整、榜单更新，全部自动同步。
| 文档 | 内容 |
|---|---|
| docs/HANDOFF.md | 接手开发先读这一份：当前状态、不可违背的原则、踩过的坑、代码地图 |
| docs/DESIGN.md | 模型属性 → 人物形象的完整对照表，含所有档位阈值与厂商形象母题 |
| docs/DATA.md | 数据来源、字段仲裁规则、合规边界、容错设计 |
| docs/ARCHITECTURE.md | 系统架构与零维护链路 |
| docs/research/coding-benchmarks-2026.md | 编程测评数据源全景：许可证原文、覆盖率实测、已排除的源及理由 |
| docs/research/reference-sites-2026.md | 参考网站与信息设计方案，当前的能力条改造出自这里 |
| docs/llm-metadata-sources-research.md | 元数据源调研原始报告（结论均经 curl 实测） |
| docs/data-sources-research.md | 榜单与参数量调研原始报告 |
| docs/pixel-character-pipeline-research.md | 像素角色合成管线调研报告（LPC 方案，2026-09-26 已被手绘娘化形象取代，留作历史） |
| 用途 | 来源 | 许可 |
|---|---|---|
| 模型元数据 | models.dev | MIT |
| 榜单分数（智力 / 数学 / 科学 / 编程） | Epoch AI | CC-BY 4.0 |
| 编程测评（Coding / Agentic Coding） | LiveBench | Apache-2.0 |
| 参数量与开源许可 | Hugging Face | 逐模型判断 |
| 新模型发现与发布日期交叉校验 | OpenRouter · Vercel AI Gateway · LiteLLM | 仅用于发现，不转存展示 |
| 角色形象 | 本站手绘原创像素画（scripts/sprites/chibi/） |
借用的社区 / 官方娘化形象出处见站内 /credits/ |
| 中文像素字体 | Fusion Pixel Font | OFL-1.1 |
本项目不使用 Artificial Analysis 的任何数据（其条款禁止再分发）， 也不抓取 LMArena（其条款禁止自动化抓取）。详见 docs/DATA.md 的合规章节。
npm install
npm run devnpm run dev 会先由 prebuild 钩子生成精灵图（约 7 秒），再启动开发服务器。
本机 3000 端口常被占用时会自动改用 3001。
loadSnapshot()与listSpriteSlugs()只在生产构建里缓存；开发时每次请求重读磁盘，npm run sync/npm run sprites之后刷新页面即可看到结果，不需要重启。 但next build会把.next写成静态导出状态，之后再npm run dev前要rm -rf .next。
npm run sync # 抓取上游、仲裁、校验，产出 data/models.json
npm run sprites # 由 data/models.json 再生产 public/：角色精灵图 + 搜索索引
npm run font # 中文像素字体子集化（改了中文文案后才需要跑）
npx tsx scripts/sync/selftest.ts # 数据管线 217 项纯函数自检，不联网scripts/qa/ 下全部只读，用来回答「为什么是这个结果」。完整清单见
HANDOFF.md，最常用的几个：
npx tsx scripts/qa/why-flagship.ts openai # 这家为什么是这个模型上广场
npx tsx scripts/qa/stale-flagships.ts # 还有哪些门面不是本家最新的
npx tsx scripts/qa/roster-signals.ts # 广场每位门面有哪些数据、缺哪些
npx tsx scripts/qa/shots.ts # 三个断点批量截图，视觉自验证
npx tsx scripts/qa/verify-text.ts "某段文字" # 区分「没改干净」和「浏览器缓存」两条管线均离线确定性：不需要任何 API 密钥，同样的输入永远产出同样的输出。
从中国大陆运行时 Hugging Face 会连接失败，参数量与许可证字段会留空并标记
confidence: unknown，不影响管线其余部分。生产环境的抓取跑在 GitHub Actions 上，不受此影响。
系统里唯一依赖人类常识的地方是厂商的形象母题——机器读得出 DeepSeek 的定价，
读不出它应该是一头鲸鱼。这部分放在 src/data/vendor-registry.ts，是一张查表。
如果你发现某家厂商还没有专属形象（它会显示为「神秘旅人」兜底形象）， 欢迎提 PR 加一行。加不加系统都能正常运行，加了只是更好看。
代码与文档 MIT。像素素材（CC0 / OGA-BY 3.0）、中文字体（OFL-1.1）与 数据快照（CC-BY 4.0 等）各自遵循上游许可，逐项的适用范围、署名义务与排除的数据源 见 NOTICE.md。