一个 Chrome 扩展（Manifest V3，零依赖、无后端、无构建步骤），把多个公开数据源聚合成一份统一的模型档案：既能第一时间发现刚发布的高热度模型，也能横向对比价格、上下文、评测分和真实调用量。
为什么自己造：LMArena 只有投票分、Artificial Analysis 只有评测、OpenRouter 只有用量榜、HuggingFace 只有开源仓库——没有一个工具同时覆盖"新发布 + 热度 + 价格 + 性能"并主动提醒你。这个扩展就是在做这件事。
| 雷达（宽屏双列） | 并排对比（含 Arena 多榜单维度） |
|---|---|
 |
 |
| 图表（Y 轴可切 16 个指标，如编码 Elo） | 侧栏视图 | 详情（分类 Elo 条形图） |
|---|---|---|
 |
 |
 |
截图为本地预览（内置样例数据）渲染，非线上数据。
| 能力 | 说明 |
|---|---|
| 🔭 新模型雷达 | 按 24h / 3天 / 7天 / 30天 / 90天 / 全部 时间窗筛选，支持热度、最新、性价比、质量、价格、上下文排序 |
| 🔟 列表不会只剩几条 | 时间窗筛出来不足 10 个时自动逐级放宽（24h→3天→7天→30天→90天→全部）并在顶部说明实际用了哪个窗口；阈值可改、可关 |
| 📝 中文模型说明 | 每条模型都有一句中文简介（厂商 / 开源闭源 / 模态 / 上下文 / 价格 / 评测强弱 / 热度），卡片上是两行摘要，详情里是完整版 + 上游英文原文 |
| 🤖 可选 AI 接入 | 想要更贴合模型的写法，可填自己的 OpenAI 兼容 API（DeepSeek / OpenAI / Kimi / GLM / 硅基流动 / 本地 Ollama 都行），带连接测试、批量生成（可限流、可中止）、结果本地缓存 |
| 🔥 热度分 | 可解释加权公式：新鲜度（半衰期 10 天）+ 开源社区热度 + OpenRouter 真实调用量 + 投票热度；同时给出数据完整度，避免"只有一个信号就满分"的误导 |
| 🏅 质量信号覆盖广 | 内置 LMArena 人类投票（浏览器内直接解析 parquet 榜单）+ LiveBench 客观评测 + 可选 Artificial Analysis 智能指数，实测 2535 个模型里有 404 个带质量分 |
| 📊 多榜单 + 分类维度 | LMArena 同时抓 文本综合 / 视觉 / WebDev / Agent 四个榜（可开关），并保留 编码、数学、指令遵循、创意写作、多轮、中文、日语、韩语、专家级 等分类 Elo——对比表和图表的 Y 轴都能按维度切换（例如"编码 Elo vs 价格"） |
| ⚖️ 并排对比 | 勾选 2–6 个模型逐字段对比（价格、缓存价、上下文、模态、AA 指数、LiveBench 分项、Arena Elo、HF/OR 热度…），自动高亮每行最优值 |
| 📈 性价比散点图 | 质量分 vs 混合价格（对数轴），点大小 = 热度，颜色 = 是否开放权重，点击即加入对比 |
| 🔔 主动提醒 | 后台按 TTL 定时抓取，发现达标新模型时弹桌面通知 + 图标角标未读数（阈值 / 厂商白名单 / 关键词可配） |
| ⭐ 关注清单 | 卡片上点 ☆ 收藏模型；每次抓取后和上次基准对比，价格 / Arena 名次 / 分类分变动超过阈值就弹通知；关注页能看到每个模型的变动明细，也能手动"记录当前为基准" |
| 🧬 族视图 | 同一系列的多个版本（Qwen3.8 的 27B / Flash / Flash-Next、GLM 5.x、GPT-5.x…）折叠成一行，显示版本数、价格区间、最佳质量与最佳编码；展开看到每个版本，勾选/关注照常可用 |
| 🗓 发布日历 | 按周 / 按月把新模型排成时间线，带发布节拍条、最活跃厂商与"最热闹的一期"统计，一眼看出谁在什么时候发了什么 |
| 🧭 同类替代推荐 | 详情里自动列出"同能力更便宜"和"同价位更强"的候选（跨厂商一起比），直接给出"省 50%、质量持平"这类结论，一键加入对比或关注 |
| 🧩 跨源合并 | 同一模型的 OpenRouter / models.dev / HuggingFace / LiveBench / Epoch 记录自动对齐为一条，带匹配置信度与价格冲突提示（例如 OpenRouter 折扣价 vs 官方标价） |
| 🩺 诊断面板 | 每个源的抓取状态、耗时、条目数、错误、原始响应片段；支持单源刷新与自定义端点覆盖，源挂了 5 分钟内可自修 |
| 📤 导出 | CSV / Markdown / JSON 导出，对比表一键复制为 Markdown |
- 打开 chrome://extensions
- 右上角开启 开发者模式
- 点 加载已解压的扩展程序，选择本仓库的 extension/ 目录
- 点工具栏 LLM Radar 图标 → 打开侧边栏；也可以在侧栏点 ↗ 在新标签页打开完整视图
首次打开会自动抓取全部数据源（实测约 5 秒，合并出 2000+ 个模型），之后按 TTL 增量刷新。
模型中文说明开箱可用；想让 AI 写得更贴合，再去 设置 → AI 接入 填自己的 API（见下文），不填也完全能用。
| 源 | 提供 | 需要 Key | 国内直连 | TTL |
|---|---|---|---|---|
| OpenRouter 模型库 | 模型、价格、上下文、模态、首次收录时间 | 否 | ✅ | 6h |
| OpenRouter 用量榜 | 周维度真实 token 用量与排名（热度核心） | 否 | ✅ | 12h |
| models.dev | 官方定价、上下文、知识截止、是否开放权重 | 否 | ✅ | 24h |
| HuggingFace | 开源模型 trendingScore / likes / 下载量 | 否 | 6h | |
| LiveBench | 客观评测（推理 / 编码 / 数学 / 数据分析 / 语言 / 指令遵循） | 否 | ✅ | 3d |
| Epoch AI | 发布时间、机构、参数量、开放权重 | 否 | ✅ | 3d |
| Artificial Analysis | 智能指数、编码 / 数学指数、输出速度 | 是（免费注册） | ✅ | 24h |
| LMArena | 人类投票 Elo：文本/视觉/WebDev/Agent 四榜 + 11 个分类维度 | 否 | ✅ 走 hf-mirror 的 parquet 快照 | 24h |
字段映射、备用端点与失效处理见 DATA_SOURCES.md。
每条模型都会有一句中文简介，不配任何 API 也有：
- 内置规则版（默认）：用结构化字段拼出来，例如
OpenAI 的闭源视觉推理模型，2026-01-17 发布（3 天前）。上下文 400K，最大输出 128K；输入 $1.25 / 输出 $10.0 每百万 token。AA 智能指数 68（第 3），Arena Elo 1360（第 5 名）。OpenRouter 上周调用 120.0B tokens（第 4 名）。字段缺失时只写有的部分，不会编造；卡片上显示两行摘要（悬浮可看全句），点"详情"看完整版。 - AI 版（可选）：在 设置 → AI 接入 里填自己的 API 后，可以让 AI 依据同一批结构化事实重写更贴合的一句话；生成结果按模型缓存，卡片上会带
AI标记，详情里还能展开对照"上游英文原文"。
- 打开 设置 → AI 接入，填三样东西：
- API 地址：任何 OpenAI 兼容的
/chat/completions端点。填/v1结尾的地址即可（https://api.deepseek.com/v1、https://api.openai.com/v1、https://api.moonshot.cn/v1、https://open.bigmodel.cn/api/paas/v4…）；不带/v1会自动补，本地 Ollama 填http://localhost:11434/v1。 - API Key：本地服务可以留空。
- 模型名：如
deepseek-chat、gpt-4o-mini、qwen2.5:7b。
- API 地址：任何 OpenAI 兼容的
- 点 测试连接：会真发一条最小请求，成功显示模型名与耗时（
✔ 连接正常：deepseek-chat，用时 812ms，回复「正常」），失败会直接告诉你原因（Key 不对 / 404 端点写错 / 连不上 / 被限流）。 - 回到 雷达 页点 AI 生成中文简介：只处理当前筛选结果里还没有 AI 简介的模型，单次上限可配（默认 20 个），生成中可停止；一个都没成功且连续失败 3 次会自动中止，避免白烧 token。
- 单条模型也可以：展开详情 → AI 生成简介 / AI 重新生成。
- Key 只存本机：保存在 chrome.storage.local，除了你自己填的那个 API 地址之外不会发给任何第三方——扩展没有后端，请求由浏览器直连。
- 明文 HTTP 有硬性限制：只有 localhost / 127.0.0.1 / *.local 走 http 才被允许；如果填了 Key 又指向公网 http 地址，扩展会直接拒绝发送并提示改用 https（避免密钥明文过网）。局域网 IP 的明文地址需要自行在 extension/manifest.json 的 optional_host_permissions 里添加。
- 权限按需申请：自定义端点走 Chrome 的可选主机权限（optional_host_permissions），只有你点"测试连接 / 生成"时才按 origin 申请一次，安装时不索取任何第三方站点权限。
- AI 简介可清空：设置页有"清空 AI 简介缓存"；清空后不会自动重跑（会消耗 token）。
几点说明：
- Key 只存在本机
chrome.storage.local，除了你自己填的那个地址之外不会发给任何第三方（本扩展没有后端）。 - 扩展需要访问你自填的域名，第一次点"测试连接 / AI 生成"时浏览器会弹出可选权限授权框，同意后才会发请求；拒绝的话点一次按钮可以重新授权。
- AI 简介是花钱换来的，"清空本地缓存"不会删它（快照仍在）——要删请用设置里的 清空 AI 简介缓存。
- 生成的内容仅供参考，可能有错；事实性字段（价格、上下文、榜单分）仍以原始数据为准。
- 抓取：每个源是一个独立适配器（extension/lib/sources/*.js），自带候选 URL 列表、超时与失败降级；失败时保留上一次的好数据，并在诊断页标红。
- 归一化：统一成一份模型档案，每个字段记录来源（provenance）；价格统一为 $/1M tokens。
- 跨源合并：先归一化模型 ID（去厂商前缀、去日期与 -preview / :free / 量化后缀、版本点号统一），同 stem 再按厂商聚类，避免把同名不同厂的模型错误合并；置信度分为 多源一致 / 疑似同一 / 单源。
- 打分：热度 = Σ(权重 × 子分)，缺失的子项按 0 计入（不重新归一化到满分），所以"数据完整度"低的模型不会被误捧。
- 提醒：chrome.alarms 定时跑同一套流水线，与历史已知模型集合做 diff，命中阈值才通知（首次运行只登记、不打扰）。
- 说明：先按结构化字段生成中文简介（描述器只读数据、不猜）；配置了 AI 时改为调用你自己的端点重写，并缓存到
ai.desc。 - 存储：只存归一化后的数据（不存原始响应）+ AI 简介缓存，全部放在 chrome.storage.local，没有任何外部服务器。
点模型卡片上的 ☆（或详情里的"☆ 关注"）加入关注，"雷达"工具栏会出现"★ 只看关注（n）"筛选，"关注"页签是它的主界面。
- 基准 → 对比：Service Worker 每次抓取完会把关注模型的指标（输入/输出/混合价、Arena 综合 Elo 与名次、分类 Elo、质量分、热度）存成基准快照；下次抓取自动对比，超过阈值才提醒，避免噪声。默认阈值：价格波动 ≥5%、Elo 变化 ≥5 分、名次变动 ≥3 位、分类分变化 ≥10 分（设置页可调）。
- 通知：达标时弹"关注的 N 个模型有变动"，正文列出变动最大的 3 条，例如：GLM 5.3：混合价 ↓18%（$1.25 → $1.02）。
- 手动控制：关注页的"记录当前为基准"可以把当前指标重新设为基准（比如你刚发现一批变动、想从此刻开始看）。
详情面板底部会给出两组候选（只在同时有价格与质量分的模型里选，跨厂商一起比）：
- 更便宜：混合价更低，且质量分不低于它的 95%（默认容差）→ 按省下的比例排序；
- 更强：质量分更高，且混合价不超过它的 1.25 倍 → 按质量提升排序。
每行都标注结论（如"省 50%，质量持平""质量高 10 分，贵 1.00 美元/1M"），可一键加入对比或关注；缺价格或缺质量分时不会硬凑推荐，而是说明原因。
雷达工具栏勾选「族视图（同系列折叠）」，同一系列的模型会折成一行：显示版本数、价格区间（如 $0.14 – $4.35/1M）、最佳质量与最佳编码 Elo；点「展开」列出每个版本，每行都能勾选对比或点 ☆ 关注。
家族判定规则（纯函数 lib/family.js，有单测覆盖）：从模型 key 里截到第一个含数字的 token，所以
qwen3-8-27b / qwen3-8-flash → qwen3；claude-opus-4-6 / claude-opus-4-8 → claude-opus-4，而 claude-opus-5 是独立一族；没有版本号的 key（如 gpt-oss）不折叠。
「日历」页签按周或按月把带发布日期的模型分桶，倒序排列：顶部是最近若干期的发布节拍条（每根柱子 = 一期的发布数量）与最活跃厂商统计，下面每期一块，列出发了哪些模型（按热度排序）、厂商分布与开源数量。
node tools/preview.mjs # 打开 http://127.0.0.1:8787/preview.html预览用测试夹具喂数据，离线可用，五个页签都能点。
node --test tests/*.test.mjs # 120 个离线单测（归一化/合并/打分/8 个源适配器/多榜单与容错/全链路/后台通知/导出/中文简介/AI 客户端/列表自动放宽与严格时间窗/关注变动 diff/替代推荐/图表数学/设置存储）
node tools/harness.mjs # 真实联网跑一遍流水线，打印各源耗时、结果与热度 Top 榜
node tools/harness.mjs huggingface # 只跑某个源
node tools/preview.mjs # 用夹具数据起本地预览服务（无需装扩展）
python tools/make-icons-from-image.py assets/icon-source.png --flat-bg --trim --pad 0.02
# 由源图重新生成 16/32/48/128 图标 + 深浅底对比预览
python tools/make_icons.py # 没有源图时用代码生成占位图标
python tools/make-parquet-fixture.py # 重新生成 LMArena parquet 测试夹具（需 pyarrow）
python tools/verify-parquet.py # 用 pyarrow 读线上 parquet 做真值对拍
# 开发依赖（扩展本体零依赖，以下仅用于本地测试）
cd tools && npm install --registry=https://registry.npmmirror.com && cd ..
node tools/smoke-ui.mjs # 33 项 jsdom 冒烟：五页签渲染、对比表、过滤排序、中文简介、自动放宽、app 启动
node tools/browser-check.mjs # 30 项真实 Chrome 渲染测试（含"连接失败"与本地 mock 端点的完整 AI 链路），并把截图写到 tools/shots/说明：Chrome 137+ 出于安全考虑已禁止用命令行加载未打包扩展，所以 browser-check 用真实 Chrome 打开预览页（同一套 UI 代码 + 夹具数据）来验证渲染、交互、性能与布局，扩展上下文（storage/alarms/通知/角标）则由 tests/service-worker.test.mjs 用 mock 的 chrome API 覆盖。
代码结构：
extension/
manifest.json
background/service-worker.js 定时抓取、通知、角标
lib/
http.js 超时/候选 URL/降级/POST（AI 调用也走它）
store.js chrome.storage 封装（Node 下自动退回内存实现，便于测试）
schema.js 厂商别名、模型 ID 归一化（stem）
labels.js 分类/榜单/数据源的中文标签
merge.js 跨源合并、价格冲突检测
scoring.js 热度/质量/性价比计算
describe.js 中文简介生成（内置规则，纯函数、不联网）
ai.js OpenAI 兼容客户端：连接测试、单条/批量生成、错误可读化
pipeline.js 抓取编排、缓存 TTL、新模型 diff
export.js CSV / Markdown / JSON
sources/*.js 8 个数据源适配器
ui/ 侧栏 + 全页视图（原生 DOM，无框架）
tests/ 离线单测 + 真实响应夹具
tools/ 预览服务、夹具生成、真实抓取验证、图标生成
- 不是官方数据：热度分是启发式综合分，只用于"发现与排序"，不应当作评测结论；具体分数请回到 LiveBench / Artificial Analysis 原始页面。
- 国内网络：huggingface.co 直连可能不可达，HuggingFace 与 LMArena 两个源默认都走 hf-mirror.com（实测可用）。任意源都可以在设置里覆写端点（设置页会显示当前实际使用的 URL）。
- 端点可能变更：上游改字段时该源会在诊断页报错并保留旧数据；按 DATA_SOURCES.md 的说明改适配器或直接覆写 URL，不影响其它源。
- 热度只看可见信号：不在 OpenRouter / HF 上的闭源模型缺少热度数据，会显示较低的"数据完整度"——这是刻意设计（不猜）。
- 价格：来自第三方聚合，可能滞后或含促销价；多源差异 >30% 会被标为"价格源有差异"并同时展示两个值。
- 中文简介：内置规则版只复述已有字段，不做推断；AI 版可能出现幻觉，重要结论请回到原始榜单页面核对。
- 自动放宽时间窗：默认开启（阈值 10 个）。它只影响"列表显示多少条"，不会改动你的筛选条件本身——列表顶部会写明实际用的是哪个窗口，也提供"只看 X"和"关闭自动放宽"两个按钮。
扩展本体没有任何运行时依赖，只 vendored 了一个小库：
- hyparquet（MIT，v1.31.1，约 268KB，内置于 extension/vendor/hyparquet/）：在浏览器里直接解析 LMArena 的 parquet 榜单（含内置 Snappy 解压）。许可证随源码一起保留。升级方式：
npm i hyparquet后把node_modules/hyparquet/src/覆盖到extension/vendor/hyparquet/。
- 只看榜单：LMArena、LiveBench、SWE-bench
- 只看质量 / 价格对比：Artificial Analysis、llm-stats.com
- 只看用量热度：OpenRouter Rankings
- 只看开源模型：HF Trending、models.dev
- 只看新模型时间线：Epoch AI
它们各自都很强，但没有一个把"新发布 + 热度 + 价格 + 评测"合到一处并主动推送——这正是本项目的定位。