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。
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
Arena
基于真实用户对战投票的AI模型排行榜
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。
SuperGLUE
更具挑战性的通用语言理解评估基准。
OpenCompass (司南)
国内领先的开源大模型评测体系。
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。
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
暂无评论...