Mistral 发布的 AI 科研能力基准，覆盖 6 大学科 120 项任务，按 0–4 分评估科研进展。
适合 AI 研究者与开发者对比模型在生物、物理、工程等科研任务上的表现与可复现性。
多语言多模态的 Embedding 与检索系统评测基准，含排行榜与 Python 工具库。
众包式 AI 模型评测平台，通过用户盲测投票生成 LLM、图像与代码模型的公开排行榜。
评测大模型与编程 Agent 解决真实 GitHub 软件工程问题的权威基准与官方排行榜。
伯克利开源项目，让大模型准确调用 API 与工具，并维护函数调用排行榜 BFCL。
开源、全面的大模型评测开放平台，提供 LLM 与多模态榜单、评测集社区和竞技场。
专注 AI 趋势与治理的研究机构，发布算力、模型与基准的开放数据库和报告。
模型测评 / 排行榜
论文与研究模型测评 / 排行榜论文与研究