Arena
基于真实用户对战投票的AI模型排行榜
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。
数据统计
相关导航
OpenCompass (司南)
国内领先的开源大模型评测体系。
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。
MLPerf Inference
机器学习推理性能的行业标准基准。
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。
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。
SuperGLUE
更具挑战性的通用语言理解评估基准。
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。
暂无评论...