LLM Reference 是什么？

LLM Reference 是一份精心策划、持续更新的指南，帮助技术领导者和工程师驾驭快速演进的大语言模型领域。它追踪 1,741 个模型、133 家提供商和 237 个实验室，为您提供选择适合特定用例的模型和提供商的单一可靠来源。您无需淹没在每周的公告中，而是获得一份结构化的视图，涵盖关键信息：基准测试、定价，以及在编码、智能体、写作、研究、图像和视频任务中的真实性能。

适用人群

• 工程负责人 — 需要快速做出明智决策，将合适的模型集成到产品管线中，而无需手动追踪每一次新发布。
• AI/ML 从业者 — 希望在承诺使用某家提供商之前，通过 SWE-bench、τ-bench、GPQA Diamond 和 Chatbot Arena 等标准化基准测试来比较模型性能。
• 技术高管 — 需要一份高层级、可信赖的模型市场概览，以指导战略投资和供应商选择。

主要功能

实时基准追踪

LLM Reference 监控主要评估套件中的 727 个分数，每周更新。您可以精确查看模型在编码（SWE-bench Verified 87.6、SWE-bench Pro 64.3）、智能体任务（τ-bench 87.5）、研究推理（GPQA Diamond 94.2）和创意写作（Chatbot Arena 1503）方面的表现。

提供商价格情报

该平台展示经过验证的提供商降价信息，并显示顶级实验室输出的每百万 token 成本。这让您无需翻阅多个定价页面，即可在性能与预算之间取得平衡。

面向任务的默认视图

默认仪表板按任务组织——编码、智能体、写作、研究、图像、视频——并带有合理的默认设置，例如编码任务、平衡预算和最新研究。编辑推荐和精选模型会突出显示，方便快速定位。

每周市场脉搏

专门的“脉搏”板块总结每周模型市场的变化，包括新模型发布（例如 MiniMax M3、StepAudio 2.5 Realtime）和经过验证的价格下调。您将获得一份速查表，将噪音浓缩为可操作的情报。

亮点

LLM Reference 追踪领域动态，助您快速选用合适的模型和提供商，顺利交付产品。

这并非又一个静态排行榜。该产品基于每周都有新模型、新价格和新基准的现实而构建，团队需要的是一份活参考，而非快照。面向任务的默认视图，结合编辑推荐和每周脉搏更新，意味着您花在研究上的时间更少，花在交付上的时间更多。其覆盖广度（来自 133 家提供商的 1,741 个模型）与对实际性能指标（如 SWE-bench 和 τ-bench，而非仅学术分数）的关注相辅相成。

值得关注，如果……

您负责为生产环境选择或推荐语言模型，并且希望有一个单一、可信赖的来源来追踪整个领域——从编码和智能体到图像和视频生成——并提供最新的基准测试、定价和每周市场变化。