模型榜单

综合榜单

综合分不是单纯按 Token 大小排序，而是把调用次数、工具成功率和复杂任务承受度合并成一个更接近真实体验的分数。

近24h调用榜

融合近24小时调用次数与 Token 消耗，避免“高频低负载”和“低频高负载”模型被单一指标误判。

Token 用量概览

站内 Token 消耗量排行榜

任务复杂度承受度

按工具调用数把任务分成简单、中等、复杂三档，用来观察模型在真实执行任务时的负载结构。

工具失误榜

这里只展示最容易出问题的工具，不混入太多无意义统计。