好码评分与评测证据 · 三类口径如何使用

先区分三类证据

目录评分、公开评测和 Benchmark 回答不同问题。目录帮助发现候选；公开评测解释版本、适用场景与限制；Benchmark 提供固定任务的实际运行结果。不要用一个高分代替证据核对。

目录资料分：0–100

Codex Score 的目录框架包括实用性、手艺、可靠性、性价比四维，设计权重为 40%、25%、20%、15%。目录中的分数可能来自编辑判断或 AI 预评分；它们不是任务完成率，也不代表每个条目都经过人工亲测。具体条目的来源与状态以详情页为准。

公开评测：1–5 五维分

公开评测按任务完成、输出质量、响应速度、中文优化、性价比五维给出理由，并展示版本、场景、来源、日期与发布方式。总分是该评测体系的五维均分，不与目录 0–100 分换算。

• automatic：基于公开来源与结构化场景的自动分析，不是人工亲测，也不能据此声称已测量延迟、成本或成功率。
• manual：人工发布或核验记录。仍需检查实际来源与运行证据；人工标识本身不证明完成了真实任务测试。
• 无满足要求的评测：保持目录资料口径，不补造测试结果。

Benchmark：固定任务与真实运行

实测基准页面列出任务、判定标准及经过人工核验的运行记录。结果可含模型与版本、成功或失败、耗时、Token、成本和完成时间。缺失字段保持未记录，不能推算为零。某次任务通过不证明工具适用于所有任务，也不证明长期可靠性。

如何做一次可复核的选型

• 写清任务、中文要求、预算、数据约束与验收标准。
• 从目录发现候选，再查看评测的适合与不适合场景、版本、日期和来源。
• 需要性能判断时核对实际任务运行，不把公开来源分析当作亲测。
• 使用同一任务与标准复测候选，记录失败、修改次数与成本口径。
• 购买前核对厂商官网的当前价格、额度、部署条件与数据政策。

引用与纠错

引用时署名 OKCodex（www.okcodex.com），链接到具体详情或运行证据，并保留版本、日期与证据类型。开放数据集按 CC BY 4.0 使用。商业合作不购买排名。发现错误时请通过关于页面提供原文链接、具体问题和证据来源。

修订记录

2026-10-03：明确区分目录资料分、公开来源评测和真实运行；移除“所有分数均由编辑至少测试四小时”的统一承诺。2026-05-28：目录评分框架初版发布。