人中吕布，卡中 Blackwell：我用三国志14的数值给 687 个大模型排了座位

天天刷模型榜单，看到第 N 个"新 SOTA"的时候，我冒出一个念头：这些模型要是放到三国里，谁是吕布，谁是诸葛亮？光嘴上说太主观，我想用数据把它对出来。于是 10 月 10 日那个周末，我提交了第一个 commit，一天半以后，「大模型三国志」上线了。

在线看：illegalcreed.github.io/llm-sanguo/
源码：github.com/IllegalCree...

一、两份"史源"

项目规矩只有一条：先看数据，再谈演义。数据来自两处：

Artificial Analysis 模型榜单：2026-10-10 的全库快照，共 697 个模型，其中 687 个有 Intelligence Index（下文简称 II），还有每任务成本、输出速度和首字延迟。
《三国志14 威力加强版》武将数据：Nobuwiki 整理的 1180 名武将五维（统率、武力、智力、政治、魅力）。数值和立绘的版权都归 KOEI TECMO，仓库里的 NOTICE 写明了出处。

清洗时最麻烦的是模型名。同一个模型在榜单上会按推理档位拆成好几行，比如 (max)、(xhigh)，还有 max with fallback。我统一去掉档位后缀，数值取最高档。build_site.py 里是这样写的：

python 复制代码

def canonical_name(name):
    def clean(m):
        tokens = [t.strip() for t in m.group(1).split(",")]
        kept = [t for t in tokens if not _is_effort_token(t)]
        return "(" + ", ".join(kept) + ")" if kept else ""
    return re.sub(r"\(([^()]*)\)", clean, name).strip()

武将名在数据文件里保留游戏原表的繁体（呂布、諸葛亮），正文叙述用简体。

采集过程中也踩过坑。我一开始用的是榜单表格导出，只有 267 行现役模型，退役的模型虽然有页面、有分数，却不在表格里。后来改成直接解析 leaderboard 页面内嵌的完整模型数组，一次拿到全库，这才有了现在的 697 个模型。最早那份导出我留在 data/aa_models_raw.tsv 里存档，不参与现行折算。另一个教训是一定要和网页对账：有一次导出后，我拿站点逐条核对，发现 GPT-6 Sol 和 GPT-5.5 两条主线带分的记录缺了，是人工比对才补回来的。榜单数据的时效性很强，凡是涉及版本号的地方，我都会先确认快照日期。

二、映射规则：武力看智能，智力看性价比

五个维度我按权重分了三级。

一级：武力 ↔ II。 武力就是单挑硬实力，对应模型的峰值智能。以快照榜首为 100 折算，当前榜首是 Claude Opus 5.5，II 57.6。enrich_mapping.py 里只有一行：

python 复制代码

"derived_warfare": round(ii / top_ii * 100) if ii else "",

二级：智力 ↔ 性价比。 谋士以计破力，模型靠便宜对抗算力军备，所以每任务成本越低，智力越高。统率、政治、魅力分别对应 agentic 能力、对齐和调用量。快照里还没有这几列，目前是人工填的。

三级：阵营和典故。 只用来讲故事和打破并列，不参与打分。

自动匹配（我叫它"天命版"）不比原始值，比百分位。II 57.6 和武力 100 不在同一个尺度上，但"在模型里排第几"和"在武将里排第几"是可以直接比的。百分位函数很朴素：

python 复制代码

def percentile_ranks(values):
    """值 -> 群体内百分位（0~1），None 保留为 None。"""
    valid = sorted(v for v in values if v is not None)
    n = len(valid)
    out = []
    for v in values:
        if v is None:
            out.append(None)
        else:
            out.append(sum(1 for x in valid if x <= v) / n)
    return out

打分对每个模型遍历 1180 名武将，取加权距离最小的几位：

python 复制代码

d1 = abs(s["ii_pct"] - war_pct[j])
d2 = abs((s["cheap_pct"] or 0) - int_pct[j]) if s["cheap_pct"] is not None else None
score = 0.7 * d1 + (0.3 * d2 if d2 is not None else 0.15)

缺成本数据的模型，智力这一项按固定的 0.15 惩罚计入，不至于因为缺数据反而占便宜。性价比的百分位是对成本取负数再排的（-c），越便宜排得越高。

站点上展示的 102 席是另一套"演义版"：人工编排，阵营优先，但折算武力仍然受公式约束。两套结果允许不一样，这也是我觉得最有意思的地方：数据说一套，演义说一套，摆在一起看。

三、一页纯静态站是怎么生成的

我是前端，但这次刻意没用任何框架。整个站点就是 docs/index.html 一个文件，由 build_site.py 生成：Python 读 mapping_v0.5.csv，拼好数据，塞进一个 HTML 模板字符串的占位符里。

python 复制代码

def main():
    data = load_data()
    html = (TEMPLATE
            .replace("__FACTIONS__", json.dumps(FACTION_META, ensure_ascii=False))
            .replace("__DATA__", json.dumps(data, ensure_ascii=False)))
    out = os.path.join(ROOT, "docs", "index.html")
    with open(out, "w", encoding="utf-8") as f:
        f.write(html)

模板里就是 const DATA = __DATA__;，前端的阵营切换、搜索和排序都直接对这个数组 filter/sort。没有请求，不需要 API Key，也不调用任何模型接口。只用 Python 3 标准库，GitHub Pages 直接发布 docs/ 目录，改完映射重跑一次脚本就行。

视觉上我选了美漫风：网点填充、手绘抖线、硬阴影，满分项盖一个 MAX 爆炸章。详情层放两张 SVG 雷达图，一张是游戏五维，一张是模型基准，再配一段"两朝列传"。雷达图的数值和章位最早会互相压字，后来按几何位置重新排了布局才修好。手机宽度下也能正常看。

四、为什么主公位只坐厂家

早期版本里，我让具体模型去坐主公位，结果很快就乱套了：一家公司每隔几个月就出一个新旗舰，主公的位子总不能跟着换。所以从 v0.4 开始，我定了一条硬规则：主公位只写公司名，数值永远空着；模型只能坐武将或诸侯位，退役的模型在列传里注明，不另设"已故"角色。

这样还有两个好处。第一，同一家的模型自然归在同一个主公帐下，比如 Claude 系几代模型都在袁绍门下，各个阵营的家底一眼就能看清。第二，"血缘"有了现成的对应：父子兄弟武将统一分给同一家厂商。另外还有一条约束：客将不能离开本家去敌营效力，Anthropic 的模型只会出现在袁绍营里。

规则一多，好处是换将有据可依，别人提 PR 时也知道该怎么改；代价是演义版的人工成分更重，所以我保留了纯数值的天命版做对照。

五、几组好玩的结果

站点上标了星的八组锚点，都是折算武力和游戏原版武力几乎重合的：

模型	武将	折算 : 原版
Claude Opus 5.5	吕布	100 : 100
Claude Fable 5.1	文丑	93 : 94
GPT-6 Astra	曹彰	91 : 90
Claude Opus 5	高顺	88 : 86
GPT-5.6 Sol	文聘	82 : 82
Claude Haiku 5.5	曹性	75 : 74
GPT-4	荀彧	12 : 14
Olmo 3.1 32B Think	顾雍	12 : 18

颜良、文丑 = Claude Fable 5 / 5.1：袁绍帐下的两员大将，折算武力分别是 86 和 93。
Opus 5.5 = 吕布：II 榜首，折算武力 100，正好对上原版吕布的武力 100。而且一样"贵"：每任务 $5.98，吕布原版政治只有 13。人中吕布，马中赤兔，卡中 Blackwell。
主公位只坐厂家，相当于各家站队：曹操 = OpenAI，刘备 = 幻方量化，孙权 = Meta，袁绍 = Anthropic，Claude 系的模型都在袁绍帐下。
汉献帝 = NVIDIA：列传写的是"挟 CUDA 以令诸侯，玉玺即 H100"。游戏不收录皇帝，所以他的五维是空的，是故意留空的。
诸葛亮 = DeepSeek V4 Pro 0813：折算武力 62，原版武力 38。丞相本来就不以武力见长，这一席是演义版按叙事排的。

六、局限

时效：所有数值都来自 2026-10-10 的快照，榜单一更新就会过时。后续计划保留历史快照，做"武将成长曲线"。
权重是主观的：0.7 / 0.3 是我定的。统率、政治、魅力还是人工填的，打算接入 AA 的 Agentic/Coding 指数和 OpenRouter 调用份额来补。
只是娱乐类比：阵营和典故是叙事调味，不代表我对哪家厂商有评价。

欢迎提 issue 或 PR 来换将、补将。只有一个要求：改映射时请引用两份史源的数据。

在线看：illegalcreed.github.io/llm-sanguo/
源码：github.com/IllegalCree...