GDPx

gdpx.semianalysis.com

SemiAnalysis 推出的通用 Agent 基准，覆盖 11 个经济领域 206 项专家任务，含实时排行榜与单任务成本。

网页

被推荐 1 次

适合做什么

适合研究者与选型团队横向对比前沿模型的真实任务能力与性价比。

平台

模型测评 / 排行榜

★ 3,451

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。

开源多模态可自部署本地模型命令行

github.com1 处推荐

模型测评 / 排行榜

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。

网页

arena.ai2 处推荐

模型测评 / 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。

网页

swebench.com2 处推荐

数据集 / 数据标注

★ 13,042

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。

开源有 API可自部署网页

github.com1 处推荐

模型测评 / 排行榜

★ 7,563

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。

开源中文界面多模态ClaudeGemini

opencompass.org.cn2 处推荐

论文与研究

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。

免费网页

epoch.ai1 处推荐