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

被推荐 1 次

适合做什么

适合 AI 开发者、研究者与选型团队评估各模型在 Agent 任务上的表现与性价比。

支持模型

平台

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

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

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GPTClaude

opencompass.org.cn1 处推荐

模型测评 / 排行榜

★ 80

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。

网页

artificialanalysis.ai3 处推荐

模型测评 / 排行榜

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。

中文界面网页

superclueai.com1 处推荐