我做了个开源「大模型性价比排行榜」—— 300 模型每日自动更新帮你看清每美元能买多少 AI 能力在线访问https://yyh-001.github.io/llm-value-rankings开源仓库https://github.com/yyh-001/llm-value-rankings如果觉得有用欢迎去 GitHubStar ⭐支持一下为什么做这个平时选大模型大家习惯看能力榜——谁分高用谁。但实际用起来还有两个绕不开的问题贵不贵能力最强的往往也是最贵的快不快同样能力推理速度差很多Agent 场景体验完全不同而且 OpenRouter 上的转售价格和 DeepSeek、MiMo 等官方 API 定价有时差不少。只看 OpenRouter 标价容易高估某些模型的成本。所以我做了大模型性价比排行榜把能力、速度、价格三个维度合在一起每天自动更新直接回答一个问题——花同样的钱能买到多少 AI 能力站点能做什么覆盖300 文本大模型筛选30 个有完整数据的模型做排名每日自动更新GitHub Actions 定时抓取无需人工维护展示能力分、输出速度、首 Token 延迟、有效价格、排名日变化模型详情页显示价格渠道OpenRouter / DeepSeek 官方 / MiMo 官方等中英双语、暗色模式、移动端适配完全开源公式和抓取逻辑可审计怎么算「性价比」核心公式性价比 f(能力) × 速度^0.8 / 价格能力Artificial Analysis Intelligence Index0–100来自 OpenRouter 内嵌 benchmark速度OpenRouter 各 Provider 的 p50 吞吐tok/s取最高值价格有效混合价$/百万 tokens输入:输出按 3:1缓存命中按 70% 估算部分模型已接入官方 API 定价比 OpenRouter 转售便宜时自动覆盖模型价格渠道有效混合价约DeepSeek V4 ProDeepSeek 官方 API$0.30/MDeepSeek V4 FlashDeepSeek 官方 API$0.10/MMiMo-V2.5-ProXiaomi MiMo 官方 API$0.30/M能力分还会做以当日均分为中心的嵌套平方变换放大高于均分的模型优势。完整方法论见站点首页和 GitHub README。当前 Top 5 速览数据每日变化以站点实时榜单为准。排名模型能力速度有效价渠道1GLM 5.251115 tok/s$1.58/MOpenRouter2Gemini 3.5 Flash50138 tok/s$2.67/MOpenRouter3DeepSeek V4 Pro4460 tok/s$0.30/MDeepSeek 官方4DeepSeek V4 Flash4077 tok/s$0.10/MDeepSeek 官方5Claude Opus 4.85658 tok/s$7.64/MOpenRouterDeepSeek V4 系列走官方价后性价比非常突出GLM 5.2 在能力、速度、价格三者平衡上目前排第一。技术栈极简、零后端前端 HTML CSS Vanilla JS无框架、无构建 数据 静态 JSONGitHub Actions 每日更新 托管 GitHub Pages 许可 MITFork 后开启 Pages 即可自部署本地预览gitclone https://github.com/yyh-001/llm-value-rankings.gitcdllm-value-rankings python-mhttp.server8080适合谁在OpenRouter上选型、比价的开发者做Agent / RAG需要平衡成本与效果的团队想快速了解 DeepSeek、GLM、Gemini、Claude 等同档模型谁更值后续计划当前榜单按按量 API 定价OpenRouter 有效价 官方 API 覆盖计算性价比。很多开发者实际用的是Coding Plan包月订阅、固定额度内无限或限速调用和按 token 计费完全是两套逻辑。后续会接入Coding Plan 价格计算计划包括收录各厂商 Coding Plan / 编程订阅方案的定价与额度规则折算成可对比的「有效/ M t o k e n s 」或「 /M tokens」或「/Mtokens」或「/能力分」参与排名考虑单独做Coding Plan 专项榜单与现有 API 按量榜并列方便写代码场景选型如果你在用某家 Coding Plan、有定价资料或折算思路欢迎到 GitHub 提 Issue 一起完善。求 Star ⭐这是一个个人开源 side project数据管道、UI、官方渠道定价覆盖、Coding Plan 榜单都在持续迭代。如果对你选型有帮助或者觉得这种「能力 × 速度 ÷ 价格」的思路有意思欢迎Star 仓库→ https://github.com/yyh-001/llm-value-rankings在线体验→ https://yyh-001.github.io/llm-value-rankings有模型渠道定价、公式建议或 bug欢迎提 IssueStar 是对独立开发者最好的鼓励感谢支持 链接汇总地址 在线站点https://yyh-001.github.io/llm-value-rankings/⭐ GitHubhttps://github.com/yyh-001/llm-value-rankings 原始数据https://yyh-001.github.io/llm-value-rankings/data/models.json
