獨立模型評測、來源溯源與成本脈絡
AI-Ladder 將模型能力、價格、上下文長度、置信區間與來源時間戳放在同一個決策介面，讓排名成為可檢查的證據，而不是黑箱總分。
高分模型與置信區間並排檢查。
不要只看單一總分。AI-Ladder 把 preference、capability 與 product context 拆開呈現。
把兩到四個候選模型放進對比沙盒，用價格與上下文限制校正排名解讀。
每個公開分數都應該能追到來源、版本、時間與 caveat，避免不透明綜合指標。
將文本、代碼和視覺排行榜的歸一化基準分數與平均 Token 成本進行關聯對照分析。
主要模型家族的歷史平均 ELO 評估變更趨勢。
排行榜保留來源版本、抓取時間、置信區間與解讀 caveat。
決策介面
把能力、成本、上下文與溯源欄位併排檢查。
每百萬 token 平均成本，越低越好。
跨文字、程式、視覺、文件與生成類別。