OpenCompass司南 - 评测榜单
OpenCompass 平台的 LLM（大语言模型）排行榜页面，由 OpenCompass 社区维护。
AGI-Eval评测社区
是由上海交通大学、同济大学、华东师范大学以及 DataWhale 等高校和机构合作推出的大模型评测社区
C-Eval 排行榜
主要用于展示不同大语言模型（LLMs）在多层次、多学科中文任务中的综合能力排名。
MMBench
MMBench 的官方排行榜页面，由 OpenCompass 社区维护。
AI Ping
专注AI大模型服务性能评测的平台
LMArena
大语言模型评估与比较的AI开源平台
Open LLM Leaderboard
已归档的开放大模型评测榜单，适合查询历史成绩与筛选模型
MMLU
MMLU 是一个广泛使用的基准，测试模型在多个学科和任务上的语言理解能力，涵盖高中、大学和专业水平的知识。
Evidently AI
开源的机器学习模型监测和测...
Ai-Ceping
领先的大模型评测平台
星图AstraFlow大模型
UCloud 优刻得旗下 AstraFlow 星图平台的模型体验广场
arize.com
是一个领先的 AI 可观测性平台
Anyscale
专注于运行和扩展机器学习（ML）与人工智能（AI）工作负载
Prompt Llama
帮助用户评估不同模型在生成图像时的表现差异
xia345
AI Agent 生态导航平台
HELM
斯坦福大学推出的大模型评测体系
PinchBench
由Kilo AI 团队打造的AI 大模型 Agent 能力专业评测平台
PostHog
把产品行为分析、AI 调用观测和开发反馈放在同一平台
Artificial Analysis
比较AI模型与API在能力、速度和费用上的差异
Braintrust
把智能体运行记录变成可定位的问题与评估样本