开源免费的模型榜单,聚合 OpenRouter 等公开数据,还提供免费 JSON 接口。
每天汇总 200 多个基准、300 多个模型的成绩,重算一份综合排名,数据每天刷新一次。
把多个公开基准的分数做加权综合,给出总体、代码、推理等分榜,顺手还能看性价比。
把几十个公开 benchmark 的模型成绩收拢到一处,支持按推理、代码、视觉等能力维度筛选对比。
整理各家厂商自报的基准成绩,按 C-Eval、SimpleQA 等维度分榜展示,更新勤快,适合查模型在中文榜上的表现。
结合真实用户查询与基准测试的大模型评测,动态更新排名,贴近实际使用。
评测AI智能体在终端环境完成真实任务能力的基准,官方排行榜公开可查。
评测大模型情绪理解与共情能力的基准平台,提供公开排行榜与详细评分。
汇总学术论文最优结果的榜单网站,覆盖自然语言处理、计算机视觉等多领域任务排名。
按真实API调用量统计的大模型使用排名,反映各模型在开发者中的实际热度。
斯坦福大学推出的整体性评测框架,多场景多指标透明评估,方法论影响深远。
伯克利推出的低成本自动评测基准,以强模型为裁判,对比各模型指令跟随胜率。
评测大模型解决真实软件工程任务能力的基准,基于GitHub issue修复任务打分排名。
每月更新考题的大模型基准测试,客观题自动评分,题目不公开以防模型刷榜。
Scale AI推出的SEAL基准榜单,覆盖多项专家级评测任务,私密题库防刷榜。
独立第三方AI评测网站,提供大模型的推理速度、价格与质量对比排名,图表直观。
Hugging Face官方维护的开源模型排行榜,汇总多项公开基准测试得分,更新及时。
原Chatbot Arena,由加州大学伯克利LMSYS团队运营,大模型匿名对战、用户投票产生排名。
智源研究院发布的中文生成式语言评测基准,聚焦文本生成的质量评估。
经典中文语言理解评测基准,包含多项中文自然语言处理任务的公开排行榜。



