OpenCompass (司南)
国内领先的开源大模型评测体系。
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
数据统计
相关导航
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。
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。
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。
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。
HumanEval 排行榜
评估代码生成能力的基准测试。
MLPerf Inference
机器学习推理性能的行业标准基准。
暂无评论...