模型评测

F FlagEval 模型评测 智源开源评测平台，多维度模型能力榜单 4371浏览 491收藏 查看 A AGI-Eval 模型评测 中文大模型评测社区，多维能力榜单持续更新 2195浏览 211收藏 查看 S SWE-bench 模型评测 真实GitHub issue修复基准，编码能力试金石 1693浏览 161收藏 查看 E EQ-Bench 模型评测 情商与写作基准，专测模型表达细腻度 1617浏览 158收藏 查看 D DeepInfra 模型评测 低成本模型推理云，按 token 计费接主流模型 1588浏览 189收藏 查看 C Chatbot Arena 模型评测 Chatbot Arena 由 LMSYS Org（Large Model Systems Organization，加州大学伯克利分校等高校研究人员组成的研究组织）运营，是业界最具影响力的大模型评测平台之一，于 2023 年推出。它采用众包盲测的思路，让真实用户在匿名情况下同时向两个模型提问，再投票选出更好的回答。 基于大量真实对战数据，平台通过 Elo 等级分计算并实时发布大模型排行榜（Leaderboard），涵盖通用对话、编程、长上下文、视觉等多个维度。由于评测基于人类真实偏好而非固定题库，其榜单被业界公认为最贴近实际使用体验的权威参考之一，是选型时的重要依据。 1480浏览 132收藏 查看 H HELM 模型评测 斯坦福全景基准，透明评测主流大模型 1369浏览 112收藏 查看 O OpenCompass 模型评测 上海AI实验室开源评测体系与司南榜单 1272浏览 142收藏 查看 C C-Eval 模型评测 中文大模型考试基准，覆盖52个学科 1258浏览 111收藏 查看 A Artificial Analysis 模型评测 独立评测机构，横向比较模型能力与API价格 1120浏览 109收藏 查看 斯 斯坦福AI指数 模型评测 年度AI指数报告，行业数据权威来源 963浏览 80收藏 查看 L LiveBench 模型评测 持续换新题防数据污染，测模型真实上限 927浏览 110收藏 查看 S SuperCLUE 模型评测 SuperCLUE 是国内专注于大语言模型评测的学术与产业结合的基准平台，由 CLUE（中文语言理解测评）团队发起并持续运营。它针对中文通用大模型的能力进行系统化评测，定期发布权威榜单与评测报告，为模型选型与技术发展提供参考依据。 平台的核心特色是覆盖多任务、多维度（如逻辑推理、代码、数学、长文本、安全性等）的中文评测体系，并结合客观指标与主观人类评估，形成细分榜单。适用于大模型研发团队了解能力短板、企业选型对比以及研究者跟踪国内模型发展水平，是中文 AI 生态中较有影响力的评测参考。 420浏览 30收藏 查看 E Epoch AI 模型评测 前沿模型与算力趋势追踪，含FrontierMath基准 356浏览 31收藏 查看 L LiteLLM 模型评测 统一多家模型 API 格式的网关库，换供应商不改代码 334浏览 35收藏 查看