一、指数定位与应用指导
侧重点：4D 综合指数是面向选型与落地的复合决策指数——它回答的不是「哪个模型最强」，而是「哪个模型当下最值得在生产中使用」。能力（D1）以 40% 最大权重领衔，但成本、生态、可靠各占 20%：一次强而贵、不稳或难接入的调用，不构成好选型。
1.1 对哪些方向具有参考意义
- 模型选型与采购：以总分横向比较候选模型，用子维分定位短板，用性价比榜圈定「同能力更低价」档位。
- 架构与切换决策：D3 生态分度量接口兼容与供给冗余，直接对应集成成本与单一厂商锁定风险。
- SLA 与运维评估：D4 基于站内近 30 天定时拨测实测，可作为第三方端点稳定性的量化参考。
- 演进节奏跟踪：每周排名快照与榜单环比 ▲▼ 反映模型格局更替速度，辅助规划升级窗口。
1.2 与 AA 榜等基准指数的区别
| AA 智能指数等基准榜 | 4D 综合指数 |
|---|
| 回答的问题 | 模型能力有多强（单维评测） | 值不值得用、接不接得快、稳不稳定（复合决策） |
| 信号构成 | 标准化任务集实测 | 能力实测 + 官方定价 + 生态元数据 + 站内运行拨测 |
| 时间口径 | 评测时点快照 | 每周更新，>180 天过期基准自动剔除 |
| 可比范围 | 参评模型集合内相对排名 | 绝对口径分数，不随收录列表成员浮动 |
两者是上下游关系而非竞争关系：AA 等权威实测结果是 4D 的 D1 能力维主要数据源，4D 在其之上补齐价格、生态与可靠性信号，形成可直接用于决策的综合分。
二、设计原则
- 四维正交：每个信号只进入一个维度，不跨维重复计分；总分 = 四维线性加权。
- 绝对口径：各维分数不随列表成员增删漂移（成本分为固定价带分位、能力分为固定标尺归一）。
- 缺数不惩罚：任一信号缺失或无法解析时取中性位，收录不完整的模型不因「没录数据」被扣分；缺数位置显式标注。
- 可复算：本页公开全部公式、常量与权重；任何人可拿 公开 API 字段复算出同一分数。
- 版本留痕：公式、权重、标尺任何变更都递增方法论版本号并记录在版本历史中；API 下发的
fourd.mv 即该分数的方法论版本。
三、总分与权重
总分 = WD1·能力 + WD2·成本 + WD3·生态 + WD4·可靠，各维 0~100 整数。
| 维度 | 名称 | 默认权重 | 衡量什么 |
|---|
| D1 | 能力 | 40% | 模型本身有多强（客观实测优先） |
| D2 | 成本 | 20% | 调用它要花多少钱（免费=100） |
| D3 | 生态 | 20% | 接得快、换得起（部署就绪度） |
| D4 | 可靠 | 20% | 近 30 天调用是否稳定、快不快 |
四、D1 能力：实测基准 + 元数据先验
能力分 = 75% × 基准归一分 + 25% × 元数据先验（缺位信号剔除后按可用信号归一）。
4.1 多基准源融合（v1.3）
- 基准输入为结构化数组
benchmarks = [{source, score, scale, date}]，每项按各自标尺归一（score ÷ scale）后等权平均。
- 现有主要来源：Artificial Analysis Intelligence Index（标尺 60，该指数满分 <60，不能按 100 归一）。
- 过期剔除：抓取日期距今超过 180 天 的基准条目直接剔除——模型能力迭代快，过期分不如不用。剔除数在分数明细（
fourd.det.d1.stale）中透出。
- 无结构化数组时回退单值 benchScore ÷ 60 口径。
4.2 元数据先验
- 只用两类客观元数据：发布年份（2025+ 加 0.25 / 2024 加 0.15 / 2023 加 0.08）与推理/Agent 能力标注（加 0.2），基线 0.2。
五、D2 成本：单位价带内的绝对价格分位
成本分 = 1 − priceScore，其中 priceScore = log1p(有效美元价) ÷ log1p(该计量单位价带)。免费模型恒 100，价带及以上趋近 0，不随列表成员浮动。
5.1 有效单价口径
- 输入/输出单价取均值；token 族统一折算每百万 tokens，字符族折算每万字。
- 缓存价加权（v1.3）：有结构化缓存价（price_cached_in/out）时，输入价按 30% 缓存命中率加权（0.7×原价 + 0.3×缓存价），更贴近真实调用成本。
- 人民币价按可配置汇率折美元（汇率服务定期更新，失败回退上次成功值，来源在页脚标注）。
- freemium（有免费额度且有结构化价）按 5 折折算有效价。
- 无结构化价或未知计量单位视为缺价，取「付费模型」中位价分位补中性位（免费模型不参与中位，避免「不录价更划算」的激励倒挂）。
5.2 计量单位价带（美元，log 刻度满分位）
| 计量单位 | 价带 | 锚点依据 |
|---|
| 每百万 tokens | $30 | GPT 级旗舰输入输出均价档 |
| 每张图 | $0.25 | gpt-image 高质量档 |
| 每秒视频 | $0.50 | 主流视频模型旗舰按秒价 |
| 单次生成 | $10 | 按次计费视频旗舰档 |
| 每分钟 | $0.05 | 音频/实时按分钟 |
| 每小时 | $1 | ASR/音视频理解按小时 |
| 每万字（TTS） | $0.50 | 主流 TTS 万字价带 |
价带每季度对照官方定价页复核；派生性价比榜 = (能力+0.2)÷(价格分位+0.2) 列表内归一，不进总分。
六、D3 生态：接入生态 / 落地就绪度
生态分 = 30%×接口兼容 + 30%×生产特性 + 20%×规格覆盖 + 20%×供给冗余。只用收录静态元数据，与 D4 运行时拨测数据互斥不跨用。
- 接口兼容：OpenAI 协议族 = 1.0；平台 REST/WebSocket = 0.4；专用/自定义接口 = 0；未标注 = 0.5。
- 生产特性（v1.3 按模态）：按模型输出模态选择特征组集合，模态内部归一——
文本（工具调用/流式/结构化输出）、图像（编辑/参考控制/批量与规格）、语音（流式/时间戳多语音色/任务覆盖）、视频（生成路径/规格控制/后期特性）。
多输出模态取各适用集合均值；caps 未标注取中性 0.5，非文本模型不再因命中不了文本关键词被误惩罚。
- 规格覆盖：模态数 60% + 上下文分档 40%（≥1M=1.0，≥256K=0.8，≥128K=0.65，≥32K=0.45，其余 0.2）。
- 供给冗余：可接入平台数（≥3=1.0 / 2=0.7 / 1=0.4 / 未收录=0.5）；开源可自托管 +0.3 封顶 1.0。
七、D4 可靠：Wilson 置信下界 + 小样本收缩（v1.3）
可靠分 = w × (70%×可用率下界 + 30%×延迟分) + (1−w) × 0.5
- 可用率：近 30 天定时拨测，分母剔除 429 限流（限流证明端点存活）。取 95% Wilson 置信下界而非原始百分比——1 次全成功不再等于 100% 可靠。
- 样本收缩：w = min(1, 样本数 ÷ 30)。拨测样本不足 30 次的模型，分数按比例向中性位 0.5 收缩，数据越少越保守。
- 延迟分：P50 六成 + P90 四成，log 刻度，10 秒为 0 分边界。
- 回退口径：无聚合数据回退最近一次探测状态（smooth 0.85 / limited 0.75 / slow 0.65 / congested 0.45 / notfound 0.15 / down 0.10）；两者都无取中性 0.5。
- 样本数与原始可用率在明细（
fourd.det.d4.n / avail）中透出，供审计。
八、数据更新与可追溯
| 信号 | 来源 | 更新频率 |
|---|
| 外部基准分 | Artificial Analysis 等第三方实测 | 定期抓取导入，>180 天自动剔除 |
| 价格 | 各平台官方定价页人工/抓取核对 | 随收录更新，重大调价即改 |
| 可用率/延迟 | 站内定时拨测（近 30 天滑窗） | 按后台配置的探测频率 |
| 汇率 | 公开汇率源 | 定期更新，失败回退上次值 |
| 榜单名次快照 | fourd_snapshots 表 | 每周一记录，榜单展示周环比 ▲▼ |
九、版本历史
- v1.3（2026-11-07）：D1 多基准源融合与 180 天过期剔除；D2 缓存价 30% 命中加权；D3 生产特性按模态分集合；D4 可用率改 Wilson 95% 下界 + 30 样本收缩；新增分数明细（det）、方法论版本号（mv）、榜单周环比快照。
- v1.2：非 token 计量（图像/视频/语音/按次）纳入 UNIT_BANDS 价带与文本同框可比；缺价改「付费模型中位」补位；freemium 5 折口径。
- v1.1：社区评级移出能力维度（改由口碑榜独立承载）；先验封顶 PRIOR_MAX=0.65。
- v1.0：四维加权框架上线（能力/成本/生态/可靠）。
十、引用与反馈
本站分数可通过公开 API 复算：GET /api/models（每条含 fourd 对象与 mv 版本号）；数据变更可通过 RSS 变更流 订阅。发现价格或基准数据错误，欢迎通过站内反馈渠道提交，核实后将在变更流中公示。