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。
评估代码生成能力的基准测试。
数据统计
相关导航
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
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。
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。
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。
MLPerf Inference
机器学习推理性能的行业标准基准。
OpenCompass (司南)
国内领先的开源大模型评测体系。
SuperGLUE
更具挑战性的通用语言理解评估基准。
暂无评论...