# Open LLM Leaderboard

页面：https://maomu.com/p/huggingface-co-spaces-open-llm-leaderboard-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

资料核验日期：2026-11-10

## 产品介绍

Open LLM Leaderboard是托管在 Hugging Face 的开放大模型评测项目。2026年11月10日实际访问时，页面标题明确标记“Archived”。它仍能帮助研究者、开发者查询收录模型的历史评测与配置，但不应继续作为“实时更新、覆盖最新大模型”的榜单推荐。

### 查历史成绩，要看分项和模型版本

当前归档表格列出 IFEval、BBH、MATH、GPQA、MUSR、MMLU-PRO 等成绩，以及模型名和平均值。找某个模型时，应核对完整仓库名和版本，区分预训练、指令微调或其他变体。平均分只汇总这些特定测试，不能直接代表中文写作质量、工具调用、推理成本或你自己的业务表现。

![实际榜单明确显示Archived，并列出历史模型和分项成绩（2026-11-10）](https://static.nofy.cn/maomu/uploads/products/screenshots/11891/b7c434b24587cfb7c3e13cd52aad990a5879c1772906d64f586fd6f4e43c6f65.png)

*图：实际榜单明确显示Archived，并列出历史模型和分项成绩（2026-11-10）。*

### 按部署条件缩小候选

高级筛选提供精度、参数量、模型类型与阶段等选项，另有面向不同硬件规模的快捷筛选。若准备本地部署，可以先按可承担的模型规模筛选，再查看候选模型卡里的许可、显存要求与推理示例。参数量筛选是候选线索，实际内存和速度还受量化方式、上下文长度及运行框架影响。

![实际展开的高级筛选，可按精度、参数量、模型类型等缩小候选（2026-11-10）](https://static.nofy.cn/maomu/uploads/products/screenshots/11891/a0b80c15e7a6747e73cc56edfc77f90d671c03619f84231607ccd9d62fa8e0b1.png)

*图：实际展开的高级筛选，可按精度、参数量、模型类型等缩小候选（2026-11-10）。*

公开榜单可直接浏览，不需要为了查询成绩购买 Hugging Face 推理服务；下载模型和实际运行则是另一项工作。最终选型最好用自己的代表性问题比较答案、时延和成本，保留版本与测试条件。这个归档入口适合复查历史实验，若寻找新发布模型，需另查其当前模型卡和官方评测。[项目说明](https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard/blob/main/README.md)

## 官网入口

https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard

## 参考来源

- Hugging Face官方项目：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard
- 当前归档榜单：https://open-llm-leaderboard-open-llm-leaderboard.hf.space/
- 项目README：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard/blob/main/README.md