HumanEval 排行榜
评估代码生成能力的基准测试。
国内领先的开源大模型评测体系。
数据统计
相关导航
SuperGLUE
更具挑战性的通用语言理解评估基准。
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。
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
Open LLM Leaderboard
Hugging Face 开放大语言模型排行榜，追踪评估领先开源模型。
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。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
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。
暂无评论...