Folkbench
按模型实测AI中转站可用率、延迟与价格；开源Switch以diff预览写入Claude Code/Codex配置。免费开源。
排序
ModelSage 大模型智选平台
ModelSage 汇集 14 家平台、376 个大模型的官方价格与第三方评测，统一换算为人民币，提供排行榜、模型对比、成本计算和私有化部署测算，数据每日更新
DLSS 5 Checker
NVIDIA DLSS 与 GPU 兼容性查询工具
JevTypeSafe 结构化模型判断试验场
Try Jev & Laya typed text decisions live
AGI-Eval
AI大模型评测社区
MMLU
大规模多任务语言理解基准
Chatbot Arena
以众包方式进行匿名随机对战的LLM基准平台
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
H2O EvalGPT
H2O.ai推出的基于Elo评级方法的大模型评估系统
Open LLM Leaderboard
Hugging Face推出的开源大模型排行榜单
PubMedQA
生物医学研究问答数据集和模型得分排行榜
FlagEval
智源研究院推出的FlagEval（天秤）大模型评测平台
HELM
斯坦福大学推出的大模型评测体系
SuperCLUE
中文通用大模型综合性测评基准
LLMEval3
由复旦大学NLP实验室推出的大模型评测基准
C-Eval
一个全面的中文基础模型评估套件
OpenCompass
上海人工智能实验室推出的大模型开放评测体系
