AI 榜单怎么看才不被带偏：调用量、Elo 和能力分的区别

过去一年，我几乎每周都会看到一个新的 AI 榜单。有意思的是，同一个模型能在三个榜上排出三个位置——不是谁造假，而是这些榜压根不是在量同一件事。
先说结论：看榜之前，先确认它在量什么。量错了，后面的判断全是白费。## 一、调用量榜：反映的是习惯，不是能力调用量榜排的是「谁被调用得最多」。这类数据很多来自 API 聚合平台，比如 OpenRouter 会公开各模型的 token 调用量。排在前面的模型往往有三个共同点：免费额度大、接入成本低、被很多产品默认集成。这三点都跟「能力强不强」没关系。我见过不少人拿调用量榜当能力榜用，结论通常是「某某模型最强」，其实只能说明「某某模型最容易被用上」。## 二、能力榜：Elo 是相对分，不是绝对分Elo 这个词来自国际象棋，现在被大量用在模型对战评测里：让两个模型回答同一个问题，由人或模型裁判选出更好的那个，赢得多分就高。要记住两点：-相对性。Elo 只说明「A 比 B 更常被选为好答案」，不代表 A 在所有任务上都更好。题目换一批，分差就会动。-场景性。编程榜、Agent 榜、图像榜、语音榜用的题目完全不同，一个模型在编程榜靠前，不代表它写文案也好。## 三、日榜、周榜、月榜：波动和趋势是两件事日榜看的是当天的波动，一次大版本更新、一次免费额度调整，都能让名次跳几位。周榜开始有点意义，月榜才算趋势。如果你要用榜单做决策，我的建议是：拿月榜筛范围，拿周榜看动向，日榜基本只当新闻看。## 四、几个比排名更值得看的字段-开发方：同一个分数背后，是「每周都在发版的团队」还是「半年没动过」，差别很大。-价格档：把 1 元一档和 100 元一档的模型放在一起排，结论没有意义。-更新时间：写着每天更新、日期却停在两个月前的，直接关掉。-趋势：涨还是跌，比当前是第 3 还是第 5 更重要。## 五、我的用法：榜单是筛子，不是答案我的流程很短：先用榜单把候选从几十个缩到三五个，再去翻每个工具的详情页看价格和能力边界——这一步榜单替不了。最后拿自己真实的一个任务跑一遍，跑通了才算数。榜单解决的是「从哪开始看」，不是「选哪个」。把它当成筛子，你会省很多时间；把它当成结论，你会交很多学费。我把平时看的这几类榜单——模型调用量、模型能力、应用热度——整理在了一起，每个都标注了数据来源和更新时间：https://www.haiai123.com/zh-cn/rankings ，目前收录 1487 个工具、17 个分类。