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。
国内领先的开源大模型评测体系。
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。
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。
MLPerf Inference
机器学习推理性能的行业标准基准。
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。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
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。
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。
暂无评论...