AI模型评测
共收录 16 款AI模型评测，包括 MMLU、Open LLM Leaderboard、C-Eval、FlagEval、SuperCLUE、AGI-Eval 等常用工具。可按功能说明与定价方式挑选，点击卡片查看详细介绍、官网入口与相关推荐。
MMLU
大规模多任务语言理解基准
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
C-Eval
一个全面的中文基础模型评估套件
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
SuperCLUE
中文通用大模型综合性测评基准
AGI-Eval
AI大模型评测社区
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
CMMLU
一个综合性的大模型中文评估基准
MMBench
全方位的多模态大模型能力评测体系
HELM
斯坦福大学推出的大模型评测体系
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
LLMEval3
LLMEval 是由复旦大学 NLP 实验室推出的研究项目，致力于构建全面、公平且鲁棒的大语言模型评估框架。涵盖超过 13 个学科领域及医疗 AI，提供纵向研究与公平性评估工具。
H2O EvalGPT
H2O.ai推出的基于Elo评级方法的大模型评估系统
PubMedQA
生物医学研究问答数据集和模型得分排行榜
MagicArena
字节推出的视觉生成模型对战平台
LMArena
AI模型评估平台