Artificial Analysis
对比 100+ AI 模型的智能、价格、性能、速度和上下文窗口等关键指标。
Hugging Face 开放大语言模型排行榜，追踪评估领先开源模型。
数据统计
相关导航
MLPerf Inference
机器学习推理性能的行业标准基准。
Aider Leaderboard
专注代码编辑能力的 LLM 排行榜，评估模型在实际编程任务中的表现。
LiveSWEBench
实时软件工程基准测试，评估 AI 在真实代码库中解决问题的能力。
HumanEval 排行榜
评估代码生成能力的基准测试。
SuperCLUE
中文通用大模型综合性测评基准，2025 年 3 月版包含 1509 道原创新题，每 2 个月 100% 替换题库。
SuperGLUE
更具挑战性的通用语言理解评估基准。
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
暂无评论...