aiknow

模型测评 / 排行榜

共 52 个AI 用户与开发者推荐的模型测评 / 排行榜。

全部 大模型海外大模型 49国产大模型 61开源模型 160向量 / Embedding 模型 9模型社区与下载 13模型测评 / 排行榜 30

SEA-LION

sea-lion.ai

面向东南亚的开源多语言多模态大模型家族,支持11种以上东南亚语言,可在轻量设备部署。

开源多模态可自部署本地模型LinuxMac
开源模型 · 1 处推荐

一个在线大模型 API 价格计算器,可按输入、缓存输入和输出 token 数估算各家模型调用成本。

免费GPT网页
模型测评 / 排行榜 · 1 处推荐

benchmarks.bio

benchmarks.bio

追踪 AI 智能体在真实生物学数据(组学、治疗、生物安全)上表现的基准网站。

网页
模型测评 / 排行榜 · 1 处推荐

local.ai

local.ai

独立本地 AI 基准站,实测对比模型智能度、速度、能耗与 Apple/NVIDIA 硬件表现。

本地模型网页
本地硬件 / 显存计算 · 1 处推荐

AgenticRL-Bench

agenticrl-bench.env-lab.ai

Eigent AI 推出的智能体强化学习基准,含 22 项真实任务与排行榜,覆盖调试到训练。

开源GLM / 智谱网页
应用评测与监控 · 1 处推荐

forge-bench

github.com★ 1

Cogniphic 开源的编程 Agent 基准测试仓库,对比 Forge 与 Claude Code、Codex 在 SWE-bench 上的成功率、token 与成本。

开源可自部署ClaudeGPT
应用评测与监控 · 1 处推荐

SWE-Atlas

github.com★ 77

开源的 AI 编程代理评测基准,覆盖代码问答、测试生成与重构任务。

开源Claude命令行网页
模型测评 / 排行榜 · 1 处推荐

Design Arena

designarena.ai

全球众包设计模型竞技场,输入创意即可让多个顶级 AI 模型生成并投票评选最佳作品。

多模态网页
模型测评 / 排行榜 · 1 处推荐

Parsimony

parsimony.lasu.dev

开源基准,衡量 AI 编程模型在解决任务时净增加的代码量,惩罚冗余代码。

开源网页
应用评测与监控 · 1 处推荐

Hermes Index

portal.nousresearch.com

Nous Research 推出的 Agent 能力排行榜,在 Hermes Agent 内运行,对比任务完成率与单任务成本。

ClaudeGPT网页
模型测评 / 排行榜 · 1 处推荐

CloudOpsBench

cloudopsbench.ai

面向云运维的 AI Agent 基准测试站,提供可复现评测、排行榜与任务记录。

ClaudeDeepSeekGeminiGPTGrokKimi
应用评测与监控 · 1 处推荐

Kaggle

kaggle.com

全球最大的数据科学与 AI 竞赛平台,提供数据集、Notebook 与模型评测。

免费网页
数据集 / 数据标注 · 1 处推荐

Hugging Face 上的台湾 LLM 开发者主页,发布 Llama-3-Taiwan 系列繁中模型与评测榜单

开源可自部署本地模型网页
开源模型 · 1 处推荐

jevman

opper.ai

Opper AI 推出的吃豆人基准,用 100 局实时游戏评测 AI 决策模型并给出排行榜。

开源有 API可自部署Claude通义千问网页
模型测评 / 排行榜 · 1 处推荐

ZebraBench

sujee.github.io

浏览器内直接对 LLM 推理端点做基准测试,测量速度、吞吐、延迟、准确率、token 用量与成本。

免登录网页
应用评测与监控 · 1 处推荐

Besimple AI

besimple.ai

为语音 AI 模型提供定制对话音频数据集、专家标注与授权配音数据的平台,含语音情感识别基准排行榜。

网页
数据集 / 数据标注 · 1 处推荐

τ-bench (Tau-Bench)

github.com★ 1,457

评测语言 Agent 在真实场景中与模拟用户多轮对话、调用工具完成任务能力的基准。

开源ClaudeGPT
模型测评 / 排行榜 · 1 处推荐

AI Model History

hf.ai-history.dev

追踪 Hugging Face 模型点赞增长与趋势的排行榜工具,帮助开发者发现热门开源模型。

网页
模型测评 / 排行榜 · 1 处推荐

Clairvoyance 用户提交的本地 AI 模型在真实硬件上的基准测试结果汇总,可按模型和硬件比较性能。

通义千问本地模型网页
模型测评 / 排行榜 · 1 处推荐

Mercor

mercor.com

组织人类专家为前沿 AI 实验室提供数据标注、基准测试与 Agent 训练,并发布 APEX 系列专业任务基准。

付费网页
招聘与 HR · 1 处推荐

MWS-Vision-Bench

github.com★ 59

俄语多模态大模型文档理解基准,覆盖 OCR、表格、手写与反欺诈检测。

开源多模态网页
数据集 / 数据标注 · 1 处推荐

MERA

github.com★ 52

面向俄语的开源多模态大模型评测基准,基于 LM-Harness,含排行榜与提交系统。

开源多模态可自部署网页
模型测评 / 排行榜 · 1 处推荐

imgsys.org

imgsys.org

fal.ai 推出的生成图像模型竞技场,可对比提示词效果并查看模型排行榜。

网页
模型测评 / 排行榜 · 1 处推荐

StarSkirmish

starskirmish.com

让大模型编写代码操控星际争霸进行对战的评测平台,含 Bench 与 Hillclimb 模式。

网页
应用评测与监控 · 1 处推荐