AI模型权威排名实时追踪数据库

聚合LMArena等权威数据源，每日自动更新SOTA AI模型排名，提供多模态接入方式，帮助开发者精准选用最优模型。

基本信息

• 技能名称?sota-tracker-mcp
• 中文名称?AI模型权威排名实时追踪数据库
• 作者?romancircus
• 分类?效率
• 版本?v1.0.0
• 标签?data-analytics, api, automation, development-engineering, backend, education-research

使用方法

使用说明
核心用法
SOTA Tracker 提供五种灵活的数据接入方式：直接下载 JSON/CSV 静态文件；本地克隆后使用 SQLite 进行复杂 SQL 查询；通过 REST API 实时查询（支持分类筛选、模型对比、新鲜度检查）；作为 MCP 服务器集成到 Claude Code 工作流（需注意 Token 成本）；或嵌入到 Claude Code 的 CLAUDE.md 文件实现低成本静态查询。数据覆盖 LLM API、本地模型、代码模型、图像/视频/音频生成、嵌入模型等九大类别，每日自动从 LMArena（600万+人类投票）、Artificial Analysis 和 HuggingFace 抓取更新。
显著优点
权威数据源聚合 ：整合 LMArena Elo 排名、Artificial Analysis 质量基准、HuggingFace 趋势数据，提供比单一来源更全面的模型评估。 多模态输出支持 ：不仅提供标准 JSON/CSV，还支持 SQLite 数据库直接查询，满足从简单查看到复杂数据分析的需求。 过时模型预警 ：独特的 "Forbidden" 机制主动标记已过时模型并推荐替代方案，避免开发者误用 deprecated 模型。 自动化工作流 ：通过 GitHub Actions 实现每日 6 点 UTC 自动更新，支持 systemd timer 本地定时同步，确保数据新鲜度。 零配置快速启动 ：无需 API Key 即可获取基础数据，REST API 设计遵循 OpenAPI 规范，学习成本低。
潜在缺点与局限性
来源可靠性限制 ：项目由个人开发者维护（T3 来源），非官方组织背书，长期维护稳定性存在不确定性。 外部依赖脆弱性 ：核心数据依赖 Playwright 抓取 LMArena 等第三方网站，目标网站结构变更或反爬策略调整可能导致抓取失败。 数据时效性延迟 ：虽标榜"每日更新"，但相比实时 API 仍有 24 小时延迟，对于瞬息万变的 AI 领域可能错过最新模型发布。 CORS 安全妥协 ：REST API 默认允许所有跨域请求（allow_origins=[" "]），虽禁用了凭证携带，但在公开网络部署时仍需谨慎。 MCP 成本问题 *：动态查询模式 Token 消耗较高，官方推荐改用静态文件嵌入方式降低成本。
适合的目标群体
AI 应用开发者 ：需要对比 Claude、GPT、Gemini 等商业 API 性能价格比，或选择本地部署的 Qwen、Llama 版本。 技术研究人员 ：跟踪 SOTA 进展，撰写论文时需要引用权威的模型排名数据。 MLOps 工程师 ：构建自动化模型选型流水线，需要结构化数据支持决策。 Claude Code 重度用户 ：希望在编码时快速查询"当前最佳代码模型是哪个"而不跳出编辑器。 开源模型贡献者 ：需要了解同类模型的基准表现，定位自己模型的竞争力区间。
使用风险
性能风险 ：首次启动 REST API 或 MCP 服务器时，SQLite 数据库加载可能产生短暂延迟；高频查询建议启用缓存。 依赖风险 ：Playwright 需要下载 Chromium 浏览器（约 100MB），在受限网络环境可能安装失败。 合规风险 ：数据抓取虽遵守 robots.txt 且获得明确许可，但高频访问可能触发目标网站限流，建议自部署时调整抓取频率。 数据准确性风险 ：自动抓取可能受网页渲染异常影响，关键业务决策前建议交叉验证原始数据源。 安全风险 ：虽然代码本身无漏洞，但 T3 来源意味着供应链攻击风险（如开发者账号被盗发布恶意版本），生产环境使用建议锁定特定 Git commit 并审计代码变更。