工具榜评分方法

公开计算口径、证据门槛和缺测处理，便于复核。

IMAGE & VIDEO MODEL BOARDS

生图与视频模型榜，怎样排名

下方的0–100分规则适用于 FLABS 独立任务试评。内网六个任务的36张图、108份AI意见继续单独展示，不能当作这些模型原榜的人工评分。

EVIDENCE BEFORE CONCLUSIONS

设计与生产工具以实际交付任务为单位比较。只有采用相同任务、评测协议和版本的已审核成绩，才能放进同一张榜。

缺失值不当作零分；未经审核的数据不进入公开评测。榜单最多展示 30 项，正式方法未确认时保留资料入口与缺测说明。

01
先确认任务和评测条件
同一任务采用公开的协议与版本，记录输入、工具版本、运行条件和原始出处。官网功能介绍、许可和额度公告是资料，不能直接变成评测成绩。
02
把结果读成任务定义的刻度
成绩须采用该协议定义的 0–100 分刻度，保留原始值、单位与换算依据。这个分数表示指定任务的结果，不是所有设计能力的百分比。
03
同一来源采用最近一次成绩
只采用已审核、任务与协议版本一致的记录。一个来源重复发布不会增加票数；同一来源同一时间的记录按固定规则选取，历史证据仍可复核。
04
达到证据门槛，再计算排名
来源之间等权平均，达到该任务规定的最少来源数后进入排名。同分并列，后续名次按占用位置递进；分类分数不直接相加，综合榜也需要单独确认的协议。

COMPARE BY TASK

各具体任务独立比较。这里列出分类及其任务方法；分类整体和综合榜都需要独立方法，不把子任务分数自动相加或平均。领域权重尚未定义时不填写比例。

官方文档、许可与已审核测试在资料与评测来源中分别说明。基础操作成功不等于完整任务能力，也不自动获得综合排名。

一项任务需要多少评测来源？

由该任务已确认的协议规定，具体数量见下面的计算详情。方法尚未确认或来源不足时保留工具资料，不生成排名；不能用多份同一来源的资料凑数。

FLABS 评分应该怎么看？

它是指定任务和协议版本的 0–100 分结果。选择工具时还要核对输入输出、交付质量、运行条件和许可；分数不能替代实际生产任务的验收。

不同任务的分数可以直接比较吗？

图像、视频、服装和工程任务的交付标准不同，分类榜分别计算。综合比较须有独立确认的综合协议，不自动把各分类分数相加，也不设未经确认的领域权重。

差多少分才代表交付效果有差异？

当前按未四舍五入的成绩确定名次，显示一位小数。没有足够样本和统计依据时，不把微小分差解释为确定的交付差异；请同时查看原始结果和运行条件。

缺少评测的工具会按零分处理吗？

不会。未测项保留为空，缺测工具暂不排名，并说明方法待确认或可比来源不足的原因。资料入口和已有历史记录继续保留。

官方文档或厂商成绩会直接计分吗？

不会因为来自官网就自动计分。文档与许可只是资料出处；成绩须具备同协议、同版本的测试条件和证据，并通过审核。来源页将资料与已审核评测分开展示。

更新后的成绩为什么会变化？

当前协议下出现同一来源较新的已审核成绩，或审核后的方法与证据发生变化，排名就可能改变。历史记录保留测量时间和版本，不能把不同协议版本拼成一次成绩。

新增工具什么时候会显示？

工具资料经审核发布后可以进入目录。是否有排名取决于方法与评测证据是否齐全；新增资料不等于完成实测，基础功能核验也不自动获得综合分数。

来源失效或信息滞后时怎么办？

保留已有出处、测量时间和适用范围，继续核对来源。链接可以访问不代表成绩已重新验证，也不能证明个人额度到账；缺少合格证据时继续标明待核验或暂不排名。

价格或速度会影响名次吗？

价格另列，不参与当前任务评分。不同货币、套餐和计费单位分别比较；速度只有在所采用的任务协议中有明确的测量条件与换算依据时，才能成为该任务成绩的一部分。

查看计算细节与当前版本