Arena
基于真实用户对战投票的AI模型排行榜
评估代码生成能力的基准测试。
数据统计
相关导航
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。
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
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。
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。
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。
SuperGLUE
更具挑战性的通用语言理解评估基准。
MLPerf Inference
机器学习推理性能的行业标准基准。
暂无评论...