ptcx

AI Prompt Library

免费的AI 提示词资源平台

Awesome ChatGPT Prompts

AI提示词收集和整理工具

Arena

基于真实用户对战投票的AI模型排行榜

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。

Chatbot Arena

基于人类偏好的匿名聊天机器人对战和排行榜，采用 Elo 评分系统。

MLPerf Inference

机器学习推理性能的行业标准基准。

OpenCompass (司南)

国内领先的开源大模型评测体系。

C-Eval

全面的中文基础模型评估套件，专注中文能力评估。

HumanEval 排行榜

评估代码生成能力的基准测试。

LiveBench

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。

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。

FRAMES

Google 推出的 RAG 系统评测基准，824 道多跳问题，测试检索准确性和推理能力。