SOTA AI Model Tracker 是一个开源的权威数据库，旨在追踪人工智能领域的最新模型进展。它每日自动从 LMArena、Artificial Analysis 和 HuggingFace 等主流平台抓取数据，整合并更新到统一的数据库中，为开发者、研究人员和AI从业者提供一站式的顶级模型信息查询服务。该项目通过 GitHub Actions 实现自动化运行，确保数据的实时性和准确性。
该工具不仅提供静态文件下载（JSON、CSV、SQLite），还支持 REST API 和 MCP 服务器接口，方便用户集成到自己的工作流或应用中。无论是想了解当前最强的语言模型，还是寻找最新的图像生成或语音处理工具，SOTA Tracker 都能快速提供结构化、可操作的数据支持。
此外，项目特别针对 Claude Code 用户优化了使用体验，推荐采用将 SOTA 摘要嵌入 `CLAUDE.md` 文件的方案，以降低 token 成本并提升开发效率。同时，它也支持 OpenCode 代理系统的 `agents.md` 自动更新，帮助智能体保持对前沿技术的敏感度。
核心功能特点
- 每日自动从 LMArena、Artificial Analysis 和 HuggingFace 抓取并更新数据
- 提供 JSON/CSV/SQLite 等多种格式导出，便于本地查询与分析
- 内置 REST API 和可选 MCP 服务器，支持程序化调用与集成
- 专为 Claude Code 设计，支持将 SOTA 摘要嵌入 CLAUDE.md 实现轻量更新
- 包含禁止使用的过时模型列表，帮助用户避免技术债务
- 支持自定义类别筛选与批量更新脚本，适合自动化部署
适用场景
对于需要持续关注 AI 技术动态的开发团队而言，SOTA Tracker 是构建内部知识库或决策支持系统的重要组件。例如，在选型云服务 API 时，可通过查询 `llm_api` 类别获取当前性能最优的模型如 Gemini 3 Pro 或 Claude Opus 4.5；而在部署本地推理环境时，则可利用 `llm_local` 分类快速定位 Qwen3 或 Llama 3.3 等热门 GGUF 模型。
研究人员可以利用其提供的基准分数对比不同模型在特定任务上的表现，比如比较 Qwen3-Coder 与 DeepSeek-V3 在代码生成方面的优劣。企业产品经理也能借助此工具监控竞品动向，及时调整自身技术路线。此外，结合 cron 或 systemd timer 设置定时任务后，该工具还能无缝融入 CI/CD 流程，确保项目文档始终反映最新技术趋势。
尤其适用于那些依赖多模态能力的场景——从视频生成（如 Wan 2.2）、图像合成（如 FLUX.2-dev）到语音转换（如 F5-TTS），SOTA Tracker 覆盖了文本、视觉、听觉三大核心领域，极大简化了跨模态技术选型的复杂度。无论是搭建聊天机器人、内容创作平台还是智能客服系统，都能从中获得精准的技术参考依据。