📏 AI 模型评测

MagicArena

MagicArena 是 AI 模型评测 领域的代表性 AI 工具，主打字节视觉生成模型对战平台。对超级个体和超级组织来说，特别适合成本评估和大模型选型等场景，新手也能

MMLU

MMLU 是 AI 模型评测 领域的代表性 AI 工具，主打大规模多任务语言理解基准。对超级个体和超级组织来说，特别适合多模态能力和大模型选型等场景，新手也能 5 分钟上

Open LLM Leaderboard

Open LLM Leaderboard 是 AI 模型评测 领域的代表性 AI 工具，主打Hugging Face 开源大模型排行。对超级个体和超级组织来说，特别适合偏

C-Eval

C-Eval 是 AI 模型评测 领域的代表性 AI 工具，主打中文基础模型评估套件。对超级个体和超级组织来说，特别适合推理能力和大模型选型等场景，新手也能 5 分钟上手

FlagEval

FlagEval 是 AI 模型评测 领域的代表性 AI 工具，主打智源 FlagEval 天秤大模型评测。对超级个体和超级组织来说，特别适合模型对比和代码能力等场景，新

SuperCLUE

SuperCLUE 是 AI 模型评测 领域的代表性 AI 工具，主打中文通用大模型综合性测评。对超级个体和超级组织来说，特别适合安全评测和大模型选型等场景，新手也能 5

AGI-Eval

AGI-Eval 是 AI 模型评测 领域的代表性 AI 工具，主打AI 大模型评测社区。对超级个体和超级组织来说，特别适合大模型选型和成本评估等场景，新手也能 5 分钟

OpenCompass

OpenCompass 是 AI 模型评测 领域的代表性 AI 工具，主打上海 AI 实验室开放评测体系。对超级个体和超级组织来说，特别适合模型对比和推理能力等场景，新手

CMMLU

CMMLU 是 AI 模型评测 领域的代表性 AI 工具，主打大模型中文评估基准。对超级个体和超级组织来说，特别适合模型对比和成本评估等场景，新手也能 5 分钟上手。

MMBench

MMBench 是 AI 模型评测 领域的代表性 AI 工具，主打多模态大模型能力评测。对超级个体和超级组织来说，特别适合代码能力和安全评测等场景，新手也能 5 分钟上手

HELM

HELM 是 AI 模型评测 领域的代表性 AI 工具，主打斯坦福大模型评测体系。对超级个体和超级组织来说，特别适合代码能力和推理能力等场景，新手也能 5 分钟上手。

LMArena

LMArena 是 AI 模型评测 领域的代表性 AI 工具，主打AI 模型评估平台。对超级个体和超级组织来说，特别适合安全评测和偏见测试等场景，新手也能 5 分钟上手。

LLMEval3

LLMEval3 是 AI 模型评测 领域的代表性 AI 工具，主打复旦 NLP 实验室大模型评测。对超级个体和超级组织来说，特别适合模型对比和成本评估等场景，新手也能

H2O EvalGPT

H2O EvalGPT 是 AI 模型评测 领域的代表性 AI 工具，主打H2O。对超级个体和超级组织来说，特别适合模型对比和成本评估等场景，新手也能 5 分钟上手。

PubMedQA

PubMedQA 是 AI 模型评测 领域的代表性 AI 工具，主打生物医学问答数据集排行榜。对超级个体和超级组织来说，特别适合偏见测试和代码能力等场景，新手也能 5 分