偶然刷到的一个神奇网站。。。

你知道目前一共有多少个大模型吗？

Hugging Face 上已经有超过 70 万个大模型了。

即使抛去不好用的，被 Artificial Analysis 收录的大模型也有 269 个。

不仅模型琳琅满目，供应商也是多得让人眼花缭乱。

但这也给消费者带来了更多隐形的选择成本。

选哪一个模型？选哪一家供应商？

都是摆在消费者面前不可避免的难题。

对此，在几天前的杭州 GOSIM 大会-应用与智能体论坛上，清华大学也联合中国软件评测中心发布了《2025大模型服务性能排行榜》。

这个性能排行榜虽然有参考意义，但是在实际服务采购中还需要考虑到成本等因素。

并且在 AI 时代，模型、服务更迭速度极快，也让很多榜单不久就"过期"。

同时我也很好奇这些数据都是从哪来的。

搜索了一波之后，我发现这份榜单是由 AI Ping 提供的评测数据和技术支持。

更让人惊喜的是这个平台能做的远不只是给出一份性能排行榜。

它能为每一个大模型使用者提供全面、客观、真实的大模型服务评测，并且实时更新。

目标很明确：帮助开发者快速高效选定模型服务和供应商。

指路链接：

https://aiping.cn/

一、AI Ping 介绍

AI Ping 由清程极智推出，被称为是模型服务界的大众点评。

除了提供模型以及供应商的数据，它还通过各种可视化工具直观呈现出大模型服务的优次，方便挑选。

AI Ping 的评测维度也很贴心。

它从开发者角度出发，围绕 MaaS （ Model as a Service ）性能，评测包括延迟、吞吐、可靠性等在内的多项指标，让开发者能够全面了解各供应商的服务。

为了结果绝对的客观公正，AI Ping 确保在模型、提示词、时间窗口完全相同的情况下，以匿名的形式进行 7*24 的持续监测。

目前已经整合并评测了来自 21 个供应商的 226 个模型服务。这个数量还在不断增长中。

GPT 、DeepSeek 、Qwen3 、Kimi-K2 、Llama 等国内外主流大语言模型它都有。

说了这么多，我们来看看在实际场景中怎么上手。

二、案例

选品选商

比如我现在要做一个类似 AI 客服的应用，需要接入大模型服务，但是对市面上的模型和供应商都不太了解。

在这种背景下，我们来到 AI Ping 官网。

直接来到"探索模型"页面。

这里面归纳了 42 个模型。

你可以直接根据对上下文长度、输出价格、输入价格的需求进行高效的筛选，迅速缩小范围，找到符合需求的模型。

不了解模型也没关系，模型详情页上有你需要了解的所有信息。

模型的基本信息、优缺点、影响力等介绍的很清楚客观，纯小白也能看懂。

假定我们选择经典的 DeepSeek-R1 模型。

选定模型后，下一步就是选择模型的供应商。

我们直接在它的详情页上根据 token 价格、上下文长度、延迟、吞吐等指标对供应商进行筛选。

即使是同一个模型，不同供应商的服务也能差出一大截。

拿延迟指标为例，使用京东云服务的延迟是使用火山方舟的 5-6 倍，这也体现出选商的重要性。

比如这个客服应用对上下文长度要求很高，要以该指标为主。

筛选起来很简单，直接选中该指标呈降序排列。其他指标数据清楚地列在同一行，都满足需求的话我们要找的供应商就有了。

还有一点很贴心的是 AI Ping 在数据列表处都表明了最后一次的更新时间，确保用户浏览到的数据都是在时效期内的。

比如上面的供应商数据就是在今天中午刚刚更新的。

下面还可以看到关于吞吐量和延迟指标的可视化。

里面记载了过去一周所有供应商的数据。

我们还可以选中有意向的供应商，查看它过去一周的表现。

拿我们根据上下文长度选出来的供应商百度智能云为例：

可以看到，过去一周的时间内，它的吞吐量很稳定，延迟指标稍微波动，但波动范围并不大。

至此，选品选商的整个过程就完成了。

是不是非常丝滑？

比起上面这种先确定模型的流程，不排除有些负责采购的小伙伴已经有了目标供应商这种情况。

也不用担心，我们进入"发现供应商"页面。

这里一共收纳了 21 个供应商。

选中意向供应商，这里以阿里云百炼为例。

可以看到该供应商的简介和它旗下提供的模型。

每个模型都标注好了包括上下文长度、输入输出价格、延迟、吞吐等指标，按需选择即可。

点进去就会跳转到该模型的详情页，非常方便。

还能一键跳转到官网对应页面，查看更多信息。

架构问题确定

除了选品选商之外，AI Ping 还特别适合运维的小伙伴在服务出问题的时候迅速确定问题出在哪。

有些企业内部接入了大模型服务，会出现延迟高、吞吐量低等问题，我们就可以用 AI Ping 来快速查看最新的供应商服务的指标数据，以便及时确定问题出在供应商服务还是内部系统架构。

举个例子，公司接入了硅基流动提供的 DeepSeek-R1-0528 大模型，出现了延迟高的问题。

我们直接到 AI Ping 查看该供应商该模型服务的最新数据。

可以看到在过去的几个小时里该服务的延迟是从 3.81s 增长到了 7.07s ，那么延迟的问题大概率出自供应商服务。

反之亦然，如果查看到的数据显示供应商延迟在正常范围内，比如阿里云百炼，那就说明问题出在内部系统上。

三、最后

在大模型遍地开花的当下，选择第三方供应商的大模型服务已经成了很多开发者和企业的选择。

面对多得看不过来的模型和供应商，有 AI Ping 这样一个权威、客观且可靠的选品选商工具，无疑是为开发者和企业节约了大量的人力物力。

未来，AI Ping 的评测将覆盖多模态模型，包括图像、视频、语音模型等。

还将加入更多指标，比如服务可靠性、性能稳定性、波动率等，以便全面满足用户的需求

目前 AI Ping 的测试服务器都在北京，后续还会扩展到华东、华南和西南等地区。

真就是未来可期了。

有需要的小伙伴可以扫描二维码到官网快速了解一波。

>/ 本期作者：Tashi  & JackCui

>/ JackCui：AI领域从业者，毕业于东北大学，大厂算法工程师，热爱技术分享。