Open LLM Leaderboard
Hugging Face 开放大语言模型排行榜，追踪评估领先开源模型。
2025 最新！防污染的动态评测平台，每月更新题库，覆盖数学、编程、推理等 6 大类 960 题。
数据统计
相关导航
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。
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
HumanEval 排行榜
评估代码生成能力的基准测试。
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
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。
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。
暂无评论...