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。
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。
数据统计
相关导航
OpenCompass (司南)
国内领先的开源大模型评测体系。
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。
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。
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。
LiveSWEBench
实时软件工程基准测试，评估 AI 在真实代码库中解决问题的能力。
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。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
暂无评论...