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。
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。
数据统计
相关导航
MLPerf Inference
机器学习推理性能的行业标准基准。
OpenCompass (司南)
国内领先的开源大模型评测体系。
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。
SuperGLUE
更具挑战性的通用语言理解评估基准。
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。
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。
暂无评论...