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。
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。
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。
Arena
基于真实用户对战投票的AI模型排行榜
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
MLPerf Inference
机器学习推理性能的行业标准基准。
Stanford HELM
斯坦福大语言模型整体评估框架，多场景多指标全面评估。
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。
OpenCompass (司南)
国内领先的开源大模型评测体系。
暂无评论...