SuperCLUE
中文通用大模型综合性测评基准，2025 年 3 月版包含 1509 道原创新题，每 2 个月 100% 替换题库。
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。
数据统计
相关导航
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。
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。
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。
C-Eval
全面的中文基础模型评估套件，专注中文能力评估。
MLPerf Inference
机器学习推理性能的行业标准基准。
AlpacaEval
评估指令遵循模型能力的自动化评估排行榜。
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...