AIME 2025
2025 美国数学竞赛邀请赛，专门测试大模型的高级数学推理能力。
斯坦福大语言模型整体评估框架，多场景多指标全面评估。
数据统计
相关导航
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。
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。
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。
HumanEval 排行榜
评估代码生成能力的基准测试。
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。
Arena
基于真实用户对战投票的AI模型排行榜
暂无评论...