BenchLM

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。

SWE-bench

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。

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。