SWE-bench

Arena AI

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。

Gorilla

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。

OpenCompass 司南

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。

Artificial Analysis

独立评测 AI 模型与 API 提供商的基准平台，覆盖质量、价格、速度与延迟等指标。

SuperCLUE

独立领先的中文通用大模型综合性测评基准，提供多维度能力对比与排行榜单。

Scale Labs Leaderboards

Scale Labs 推出的 AI 模型排行榜，提供 20+ 专家设计的基准测试与 100+ 模型排名。