SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
Hugging Face 开放大语言模型排行榜，追踪评估领先开源模型。
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。
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。
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。
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。
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。
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。
暂无评论...