[推广] [自荐] 和朋友一起做了个大模型评测站，也能比套餐额度、测 API 型号，纯公益运行
大家好，来 V 站自荐一下我们做的 ModelDial： https://modeldial.com/ 算是一个面向国内用户的大模型 Benchmark ，国内外模型都会测。最近单日 UV 过了 1.2 万，想来这里跟大家分享一下，也听听建议。 现在主要做三件事： 1. 模型能力评测、横向对比 用我们自己的私有数据集来测，分成后端工程、前端交互、知识推理、视觉审美和可维护性几个维度。同一个模型的不同思考档位也会分开看，除了分数，还可以对照参考费用和评测耗时。 综合榜单截图（ 2026/11/04 ） 2. 各家订阅套餐的额度对比 同样的预算，各家套餐大概能用多少 Token ，有哪些额度限制。把这些整理到一起，选套餐时能少翻几页资料。不同模型的 Token 也不是一回事，页面还提供了按官方 API 价格折算的等值对照，方便一起看。 3. API 模型检测 如果怀疑中转站返回的模型和标注不一致，可以通过行为指纹做个辅助核对。这个只能作为参考，不能保证判断完全准确。 目前就是我和朋友两个人一起测、一起维护，纯公益在做，网站免费使用。 我们这套题和评分也不可能代表所有人的使用场景，大家可以把
阅读原始来源![原始网页截图: [推广] [自荐] 和朋友一起做了个大模型评测站，也能比套餐额度、测 API 型号，纯公益运行](/media/c3bef0b420ca011183943612?v=2026-11-05T12%3A45%3A16.656Z)
来源记录
研究分析
变化记录
来源描述：大家好，来 V 站自荐一下我们做的 ModelDial： https://modeldial.com/ 算是一个面向国内用户的大模型 Benchmark ，国内外模型都会测。最近单日 UV 过了 1.2 万，想来这里跟大家分享一下，也听听建议。 现在主要做三件事： 1. 模型能力评测、横向对比 用我们自己的私有数据集来测，分成后端工程、前端交互、知识推理、视觉审美和可维护性几个维度。同一个模型的不同思考档位也会分开看，除了分数，还可以对照参考费用和评测耗时。 综合榜单截图（ 2026/11/04 ） 2. 各家订阅套餐的额度对比 同样的预算，各家套餐大概能用多少 Token ，有哪些额度限制。把这些整理到一起，选套餐时能少翻几页资料。不同模型的 Token 也不是一回事，页面还提供了按官方 API 价格折算的等值对照，方便一起看。 3. API 模型检测 如果怀疑中转站返回的模型和标注不一致，可以通过行为指纹做个辅助核对。这个只能作为参考，不能保证判断完全准确。 目前就是我和朋友两个人一起测、一起维护，纯公益在做，网站免费使用。 我们这套题和评分也不可能代表所有人的使用场景，大家可以把
版本与成本证据
可供比较的近期同类记录：“Show HN: Reges Code – a free AI code editor that runs on local models” (Show HN, 2026年11月8日)；“[分享创造] 动手做了个下载 YouTube/X/B 站的 Chrome/Edge 插件” (V2EX, 2026年11月8日)。主题相近仅用于导航，未核验其是否属于同一需求或独立证据。
适用与受影响对象
先明确变化影响的现有工作流，再判断是否升级。发布热度不证明效果提升；接口、价格或可用性变化也可能增加迁移工作。
缺失的比较信息
待补齐：新旧行为、受影响套餐与地区、生效时间、兼容性、回退路径及同一工作量下的成本。
采用与迁移验证
保存发布或政策原文，对新旧方案运行同一个任务并比较结果与完整账单；若涉及停服，先核验截止时间再安排迁移。