C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
国内领先的开源大模型评测体系。
数据统计
相关导航
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。
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。
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。
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。
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。
Arena
基于真实用户对战投票的AI模型排行榜
暂无评论...