Arena
基于真实用户对战投票的AI模型排行榜
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。
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。
SimpleQA
OpenAI 发布的事实性评测基准，4326 道简短问答题，顶级模型得分仅 40%+，挑战性极高。
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。
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。
HumanEval 排行榜
评估代码生成能力的基准测试。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
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...