MMLU 排行榜
大规模多任务语言理解基准测试，衡量多学科问题性能。
国内领先的开源大模型评测体系。
数据统计
相关导航
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。
LLM-Stats
每日更新的 AI 模型综合排行榜，对比 LLM/TTS/STT/视频/图像/嵌入模型的性能、价格和上下文窗口。
Vellum Leaderboard
显示 2024 年 4 月后最新 SOTA 模型的公开基准性能，包含独立评测数据。
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。
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。
SuperGLUE
更具挑战性的通用语言理解评估基准。
HumanEval 排行榜
评估代码生成能力的基准测试。
暂无评论...