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
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。
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。
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。
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。
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。
MLPerf Inference
机器学习推理性能的行业标准基准。
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。
暂无评论...