开发者模型能力雷达图
从 8 个维度比较模型在不同 Agent Harness 下的真实开发价值。点击模型即可隐藏 / 展示；悬浮某个维度时会自动突出该维度最强模型。
0–10 归一化工作分
2026-10-10 校准 · Harness-aware
2026-10-10 校准 · Harness-aware
左右滑动切换
能力层它能不能把事情做好？
执行层它怎么把事情做好？
经济层为了把事情做好，需要付出多少时间和钱？
评分公式与任务权重
综合排行使用当前 Agent Harness 对应的 CAV 权重；任务路由则明确分成三档：轻量任务「Gate → EfficiencyFit」、日常复杂任务「高门槛 Gate → DailyFit」、Frontier 疑难任务「TaskFit 能力最大化」。这样既不会用 Opus/Astra 做补日志，也不会因为成本优势把轻量模型推去做高风险重构。切换 Harness 后，模型 8 维评分、全局权重、综合排名和任务推荐都会实时重算。
调高
调低
未改动
公式是路由启发式，不是自然常数
建议随真实任务成功率持续校准
建议随真实任务成功率持续校准
L1轻量任务Gate → EfficiencyFit
够用后看速度 / 成本 / 吞吐
→
L2日常复杂Gate → DailyFit
高门槛后平衡质量 / Agent / 效率
→
L3FrontierTaskFit Max
疑难 / 高风险任务直接能力最大化
全局 Agent Value
三档路由分别解决不同问题：轻量任务追求“足够好且便宜快”；日常复杂任务追求“能力过线后的综合效率”；Frontier 任务追求“尽可能提高成功率和任务上限”。三档都使用几何平均惩罚短板，但只有前两档使用 Capability Gate。
按 CAV 计算的当前综合排名