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
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。
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。
SEAL Leaderboard
Scale AI 的专家驱动评测平台，专注编程和推理能力排名。
OpenCompass (司南)
国内领先的开源大模型评测体系。
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。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
Aider Leaderboard
专注代码编辑能力的 LLM 排行榜，评估模型在实际编程任务中的表现。
暂无评论...