一对一对决胜率
用户并排比较两条回复，每条都标明由哪个模型写成，我们记录这个选择。胜率来自这些对决，用 Wilson 置信区间计分。
数据
按 Reverie 上真实聊天中的用户二选一结果排名。星级表示每个数字的稳定程度；仍在收集对比数据的模型会如实标注，而不是瞎猜。
| 模型 | 胜率 | 点赞率 | 速度 | 上下文 | 费用 |
|---|---|---|---|---|---|
GLM 5.3 Flash基础 Z.AI | 63%置信度：3/5 | 23%置信度：3/5 | 0.5× 积分 | ||
Gemini 3 Flash Preview高级 | 54%置信度：5/5 | 39%置信度：3/5 | 1.2× 积分 | ||
DeepSeek V4 Flash基础 DeepSeek | 52%置信度：5/5 | 93%置信度：5/5 | 0.3× 积分 | ||
GLM 4.7基础 Z.AI | 52%置信度：5/5 | 70%置信度：4/5 | 1× 积分 | ||
GLM 5高级 Z.AI | 52%置信度：5/5 | 31%置信度：3/5 | 1.3× 积分 | ||
DeepSeek V4 Pro基础 DeepSeek | 50%置信度：5/5 | 34%置信度：4/5 | 0.7× 积分 | ||
DeepSeek R1基础 DeepSeek | 49%置信度：5/5 | 62%置信度：3/5 | 1× 积分 | ||
DeepSeek V3.2基础 DeepSeek | 46%置信度：5/5 | 91%置信度：4/5 | 0.5× 积分 | ||
Llama 3.1 8B基础 Meta | 45%置信度：5/5 | 26%置信度：4/5 | 免费 | ||
MiMo V2.6 Flash基础 Xiaomi | 42%置信度：5/5 | 46%置信度：2/5 | 0.4× 积分 | ||
DeepSeek V4.1 Flash基础 DeepSeek | 评估中 | 11%置信度：2/5 | 0.7× 积分 |
胜率：在并排对比中，某个模型的回复被选中的频率。排序使用每个胜率置信区间的下限，所以对比次数很少的高胜率不会排到榜首。点赞率：已评价回复中点赞的比例。速度：近期回复中出第一个字的中位时间，以及平均每秒 token 数。积分倍率相对于基准积分费率。 数据更新于 2026年10月26日。
我们的立场
每个平台都说自己的 AI 很棒。我们更愿意把胜率摆出来，让模型自己说话。
— Reverie 团队
默认透明
四项指标，全部来自 Reverie 上的真实对话 —— 不是从新闻稿里抄来的厂商跑分。
用户并排比较两条回复，每条都标明由哪个模型写成，我们记录这个选择。胜率来自这些对决，用 Wilson 置信区间计分。
真实回复上的每一次点赞和点踩都汇入各模型的点赞率，你能看到每个模型在真正的角色扮演玩家那里表现如何。
模型多久开始回答 —— 平均值、中位数和 p95，全部在我们自己的基础设施上从实时流量测得。
回复开始流出后的原始生成速度。快的模型能让长场景一直推进 —— 哪些模型快，你看得一清二楚。
每项质量数据都带一个基于样本量的 1–5 星置信等级，在相信一个数字之前，你先知道它有多确定。
新模型从“评估中”状态开始 —— 在积累足够的并排对比、能诚实下结论之前，我们不为它们标注任何质量声明。
你得到的
在这里，切换模型不是设置菜单里的彩蛋，而是产品本来的用法。
在消息之间换模型，不丢上下文。关键场景请来更锋利的模型，闲聊时再换回去。
不喜欢某条回复？换个模型重掷一次，留下读起来更好的版本。胜率来自部分回复下单独出现的并排对比。
创作者可以为每个角色设定偏好模型，让它用写作时预设的引擎说话。你自己的选择始终优先。
一个能打的免费模型一直挂在菜单上，零积分、有合理使用限制 —— 积分用完不等于对话结束。
每个模型都标明自己的积分倍率，从经济型的 0.3× 到最先进的 1.3×，成本是你做的选择，而不是账单上的意外。
纯推理模型对付错综复杂的剧情，混合模型按需思考。给每场戏挑一个合适的大脑。
常见问题
大多数平台选定一个模型，包装一下，然后告诉你它有多棒。Reverie 同时运行多个模型，并公开它们彼此对决的真实表现 —— 就在产品里，在你做选择的地方。
质量分来自用户在两条并排显示的回复之间的选择，每条都标明由哪个模型写成。这些选择发生在真实的角色扮演聊天中，而不是厂商的基准测试里。
除了汇总分，选择器还展示直接对决数据 —— 哪个模型赢哪个、赢多少，全部来自用户真实跑过的对比。
四十次对比得出的分数和四千次得出的不是一回事。每项指标都带一个由样本量推导的 1–5 星置信等级，和数字一起展示。
首 Token 时间和每秒 Token 数从生产环境对话中测得 —— 平均值、中位数和 p95 —— 不是从厂商参数表里抄来的。
不同的场景需要不同的大脑。一段细水长流的恋爱、一场战术军议、一段轻快的喜剧拌嘴，理想模型并不相同 —— 所以你不该被锁死在一个上。
来自 DeepSeek、Xiaomi、Z.AI、Google和Meta 的聊天模型，上下文窗口从 131K 到 1M token，统一界面，统一积分余额。
模型单独定价，从基准积分费率的 0.3× 到 1.3×，倍率直接标在模型卡上。日常场景用便宜的，关键时刻用更强的。
专用推理模型在落笔前先思考，适合错综复杂的剧情；混合模型按需推理；多模态模型能读懂你上传到聊天里的图片。
无论余额多少，免费模型始终可用，有合理使用限制 —— 它是每段对话的保底，不是会过期的试用。
为你的角色、对话或故事选择下一步。